В России разработали универсальную нейросеть для общения с людьми

Эта нейросеть, разработанная учеными НГУ, обладает множеством функций, сопоставимых с ChatGPT и Гигачатом, при этом имея значительно более компактные размеры. По задумке создателей, "Менон" способна отвечать на вопросы пользователей, выполнять автореферирование текстов, улучшать понимание содержания, а также улучшать распознавание речи и многое другое, сообщили в пресс-службе университета.

Новая нейросеть "Менон" представляет собой значимое достижение в области искусственного интеллекта, открывая новые перспективы для развития технологий обработки естественного языка. Ее название, взятое из древнегреческой философии, символизирует стремление к пониманию истины через процесс внутреннего осмысления и припоминания.

Уникальность "Менона" заключается не только в ее способности эффективно обрабатывать текстовую информацию, но и в том, что она продолжает традицию названия нейросетей в честь великих философов и мыслителей, подчеркивая философский и интеллектуальный потенциал технологии.

Иван Бондаренко, научный сотрудник лаборатории прикладных цифровых технологий механико-математического факультета НГУ и сооснователь стартапа "Сибирские нейросети", подчеркивает, что основная цель проекта "Менона" заключается в интеграции нейросети в диалоговую систему. Эта система объединяет знания нейросети о грамматике и семантике русского языка с информацией о мире, содержащейся во внешних текстовых источниках.

По словам Бондаренко, важную роль в языковых нейросетях играет представление знаний о мире через межнейронные связи. Такое сочетание позволяет разработчикам диалоговых систем сократить размер нейросети, что в свою очередь снизит затраты на создание и поддержку этих систем.

Кроме того, "Менону" можно рассматривать как инновационный шаг в развитии искусственного интеллекта, который стремится к более глубокому пониманию контекста и взаимосвязей между языком и окружающим миром. Такой подход открывает новые перспективы для создания более эффективных и адаптивных систем общения.

Исследователи "Менона" использовали китайскую нейросеть "Квен" в качестве основы для своего проекта. Они обучили ее на более чем 700 тысячах русскоязычных заданий и примерах правильного их выполнения, специально составленных ими. Такой подход позволил "погрузить" нейросеть в русский культурный контекст, исключив возможность использования иероглифов в ответах, как это было у оригинальной "Квен". Этот процесс также способствовал развитию специфических навыков нейросети, необходимых для успешной интеграции с внешней базой знаний, подчеркнул ученый.

Кроме того, ученый отметил, что адаптация нейросети к русскому языку и культуре требовала дополнительных усилий и тщательного подхода к обучению. Результатом стало улучшение ее способности к точному и адекватному реагированию на запросы и задания, что делает ее более эффективным инструментом в работе с русскоязычными данными.

Важно отметить, что данная работа открывает новые перспективы для применения нейросетей в различных языковых и культурных средах, а также подчеркивает значимость адаптации и персонализации подобных технологий для оптимального взаимодействия с разнообразными аудиториями и контекстами.

Иван Бондаренко сообщил, что процесс обучения нейросети "Менона" был организован по принципу "от простого к сложному", что напоминает процесс обучения ребенка. Этот подход позволяет сохранить внутренний интерес как у нейросети, так и у реального ребенка к приобретению новых знаний.

Результаты тестовых испытаний нейросети "Менон" были официально опубликованы на открытом бенчмарке MERA. Этот бенчмарк создан для оценки качества современных "русскоязычных" нейросетевых моделей общего искусственного интеллекта.

Исследование нейросети "Менон" на платформе MERA позволило выявить ее высокую эффективность и точность в выполнении задач. Эти результаты свидетельствуют о значительном прогрессе в развитии русскоязычных нейросетевых моделей и открывают новые перспективы для применения искусственного интеллекта в различных областях.

Нейросеть "Менон" занимает 38-е место по общим способностям среди 62 моделей в MERA. Она выделяется в таких областях, как "умение извлекать полезную информацию из текста и использовать ее при ответах на вопросы", "умение рассуждать", "здравомыслие", "математические способности" и даже "понимание добра и зла". В своем размерном классе, охватывающем до полутора миллиардов параметров, она занимает первое место.

Особое внимание следует уделить способности нейросети "Менон" справляться с задачей MultiQ, которая связана с выбором текста, наиболее релевантного вопросу, и предоставлением ответа на этот вопрос. В этом аспекте наша модель значительно превосходит среднюю по результатам тестирования.

Технологии глубокого обучения продолжают развиваться, и нейросеть "Менон" является ярким примером передовых достижений в этой области. Ее способности в анализе текста, рассуждениях и понимании контекста делают ее одной из ведущих моделей в области искусственного интеллекта.

Исследование показало, что нейросеть "Менон" занимает высокое 25-е место в рейтинге, превосходя даже Гигачат при этом имея значительно меньшее количество межнейронных связей. Это позволяет нейросети не только понимать вопросы, но и находить необходимую информацию для ответов в произвольных текстах из внешних источников. Иван Бондаренко отметил, что такой подход делает "Менон" эффективным инструментом для анализа и обработки информации.

Кроме того, "Менон" успешно справляется с задачами по схеме Терри Винограда, где необходимо определить связь между предметами в предложении. Нейросеть занимает 17-е место в этой категории и уже опережает в развитии GPT-4 от компании OpenAI. Это свидетельствует о том, что "Менон" обладает широким спектром возможностей и может быть эффективно применен в различных областях исследований и разработок.

В будущем разработчики нейросети планируют развивать проект "Менон" в двух направлениях: прикладном и научном. Это связано с необходимостью улучшения точности автоматического поиска информации в текстовом корпусе. Одной из важных задач является разрешение местоименной анафоры при ответах на вопросы, что требует замены местоимений на имена собственные. Например, в вопросе "Ректор НГУ – Михаил Петрович Федорук, известный ученый. А в какой области наук он специализируется?" местоимение "он" должно быть заменено на имя ректора. Это позволит улучшить качество поиска и обработки информации.

В рамках инновационного проекта исследователи планируют создать нейросетевого "помощника", который поможет абитуриентам определить наиболее подходящее направление для поступления в НГУ и оформить все необходимые документы в установленные сроки. Помимо этого, студентам будет предоставлена возможность разобраться в особенностях учебного процесса в университете.

В рамках научного направления исследователи сосредоточатся на улучшении процесса обучения нейросети, переходя от простых к сложным задачам, и повысят ее устойчивость к ложным корреляциям между входными и целевыми данными в обучающей выборке. Это позволит создать более эффективные и точные алгоритмы работы нейросети, что в свою очередь повысит ее производительность и качество предоставляемых рекомендаций.

Таким образом, проект охватывает как прикладные аспекты, связанные с помощью абитуриентам и студентам, так и научные исследования, направленные на совершенствование работы нейросети и повышение ее эффективности. В результате успешной реализации проекта ожидается улучшение процесса обучения и поддержки студентов и абитуриентов Новосибирского государственного университета.

Программа "Приоритет-2030" активно поддерживает развитие нейросетей, предоставляя значительные ресурсы и финансирование для исследований в этой области. Нейросети, в свою очередь, становятся все более важным инструментом в различных сферах деятельности, от медицины до финансов. Их разработка и совершенствование позволяют решать сложные задачи и повышать эффективность процессов в современном мире.

Источник и фото - ria.ru