Дата публикации: 02 декабря 2021 г. Кембриджский университет: новый подход к машинному обучению ускорит поиск новых методов леченияМеждународная команда ученых из Великобритании, Швеции, Индии и Нидерландов разработала новый подход к машинному обучению, который «учится учиться» и превосходит существующие методы машинного обучения для разработки лекарств, что ускорит поиск новых методов лечения болезней. Изображение: источника. Метод, получивший название трансформационного машинного обучения (TML), учится на множестве проблем и повышает производительность, пока учится. TML может ускорить идентификацию и производство новых лекарств за счет улучшения систем машинного обучения, которые используются для их идентификации. Статья о результатах исследования опубликована в Proceedings of the National Academy of Sciences. «Это похоже на обучение ребенка распознаванию различных животных: это кролик, это осел и так далее», - сказал профессор Росс Кинг (Ross King) из Кембриджского факультета химической инженерии и биотехнологии (Cambridge’s Department of Chemical Engineering and Biotechnology), который руководил исследованием. «Если вы научите алгоритм машинного обучения тому, как выглядит кролик, он сможет определить, является ли животное кроликом или нет. Так работает большая часть машинного обучения - оно решает проблемы по очереди». Однако человеческое обучение работает по-другому: вместо того, чтобы заниматься одной проблемой за раз, мы лучше учимся, потому что мы узнали что-то в прошлом. «Для разработки TML мы применили этот подход к машинному обучению и разработали систему, которая изучает информацию из предыдущих проблем, с которыми она сталкивалась, чтобы лучше изучать новые проблемы», - сказал Кинг, который также является научным сотрудником Института Алана Тьюринга. «Там, где типичная система машинного обучения должна начинаться с нуля при обучении распознаванию нового типа животных - скажем, котенка - TML может использовать сходство с существующими животными: котята милые, как кролики, но не имеют длинных ушей, как кролики и ослы. Это делает TML гораздо более мощным подходом к машинному обучению». Источник: cam.ac.uk
Популярные издания ФГБНУ «Аналитический центр»
Издания 2019 года
Издания 2018 года
открыть полный список изданий Центра → Документ был изменён 11.11.2019 в 10:50. |
Поиск данных
об аттестации педагогических работников Издания Центра
|