Прокладывая путь для универсальных систем с более эффективным и действенным искусственным интеллектом
Начиная с этих выходных, тридцать девятая Международная конференция по машинному обучению (ICML 2022) проходит с 17 по 23 июля 2022 года в Балтиморском конференц-центре в Мэриленде, США, и будет проходить как гибридное мероприятие.
Исследователи, работающие в области искусственного интеллекта, науки о данных, машинного зрения, вычислительной биологии, распознавания речи и т. д., представляют и публикуют свои передовые разработки в области машинного обучения.
В дополнение к спонсорству конференции и поддержке семинаров и социальных мероприятий, проводимых нашими давними партнерами. LatinX, Черный в ИИ, Квир в ИИи Женщины в машинном обучении, наши исследовательские группы представляют 30 статей, в том числе 17 внешних коллабораций. Вот краткое введение в наши предстоящие устные и тематические презентации:
Эффективное обучение с подкреплением
Повышение эффективности алгоритмов обучения с подкреплением (RL) является ключом к созданию обобщенных систем ИИ. Это включает в себя помощь в повышении точности и скорости работы, улучшении передачи и обучения с нуля, а также снижении вычислительных затрат.
В одной из выбранных нами устных презентаций мы показываем новый способ применения обобщенных улучшений политик (GPI) над композициями политик, что делает его еще более эффективным для повышения производительности агента. В другом устном докладе был предложен новый обоснованный и масштабируемый способ исследовать эффективно без необходимости бонусов. Параллельно мы предлагаем метод дополнение агента RL процессом поиска в памятиснижая зависимость агента от возможностей модели и позволяя быстро и гибко использовать прошлый опыт.
Прогресс в языковых моделях
Язык является фундаментальной частью человеческого бытия. Это дает людям возможность обмениваться мыслями и концепциями, создавать воспоминания и строить взаимопонимание. Изучение аспектов языка является ключом к пониманию того, как работает интеллект как в системах искусственного интеллекта, так и у людей.
Наш устный доклад о единые законы масштабирования и наша статья о retrieval оба исследуют, как мы можем более эффективно создавать более крупные языковые модели. Рассматривая способы создания более эффективных языковых моделей, мы представляем новый набор данных и тест с StreamingQA который оценивает, как модели адаптируются к новым знаниям и забывают их с течением времени, в то время как наша статья о генерация повествования показывает, как современные предварительно обученные языковые модели все еще борются с созданием более длинных текстов из-за ограничений кратковременной памяти.
Алгоритмическое мышление
Нейронно-алгоритмическое мышление — это искусство построения нейронных сетей, которые могут выполнять алгоритмические вычисления. Эта растущая область исследований имеет большой потенциал для адаптации известных алгоритмов к реальным задачам.
Мы представляем Тест CLRS для алгоритмического мышления, который оценивает нейронные сети при выполнении разнообразного набора из тридцати классических алгоритмов из учебника «Введение в алгоритмы». Так же мы предлагаем общий алгоритм пошагового обучения который адаптирует воспроизведение ретроспективного опыта для автоматического доказательства теорем, что является важным инструментом, помогающим математикам доказывать сложные теоремы. Кроме того, мы представляем структура для моделирования обучения на основе ограниченийпоказывающий, как традиционные методы моделирования и численные методы могут использоваться в симуляторах машинного обучения — важное новое направление для решения сложных задач моделирования в науке и технике.
Ознакомьтесь с полным спектром наших работ на ICML 2022 здесь.