Иркутские ученые предложили наделить ИИ «воображением»
Иркутские исследователи предложили новый подход к развитию искусственного интеллекта, позволяющий нейросетям «воображать» и строить причинно-следственные связи. Об этом сообщает пресс-служба Иркутского государственного университета.

Доктор физико-математических наук, профессор Андрей Манцивода вместе с новосибирским коллегой Евгением Витяевым опубликовали на платформе Springer Nature Link 2 статью под названием Don’t Forget Imagination!. В ней ученые описывают использование семантических моделей, которые способны имитировать когнитивное воображение ИИ. Предполагается, что такой подход позволит нейросетям давать ответы, опираясь не только на накопленные данные, но и на причинно-следственные связи.
Кроме того, профессор Манцивода совместно с аспирантом Института математики и информационных технологий Денисом Гаврилиным подготовили статью Semantic Machine Learning and Slow Thinking, опубликованную в журнале Journal of Mathematical Sciences (Q1). Работа посвящена семантическому подходу в машинном обучении и рассматривает, как ИИ может «думать медленно», анализируя данные глубже и структурированнее.
Этот шаг, по мнению исследователей, открывает новые возможности для развития интеллектуальных систем, способных не только обрабатывать информацию, но и «представлять» новые сценарии и решения.

Доктор физико-математических наук, профессор Андрей Манцивода вместе с новосибирским коллегой Евгением Витяевым опубликовали на платформе Springer Nature Link 2 статью под названием Don’t Forget Imagination!. В ней ученые описывают использование семантических моделей, которые способны имитировать когнитивное воображение ИИ. Предполагается, что такой подход позволит нейросетям давать ответы, опираясь не только на накопленные данные, но и на причинно-следственные связи.
Кроме того, профессор Манцивода совместно с аспирантом Института математики и информационных технологий Денисом Гаврилиным подготовили статью Semantic Machine Learning and Slow Thinking, опубликованную в журнале Journal of Mathematical Sciences (Q1). Работа посвящена семантическому подходу в машинном обучении и рассматривает, как ИИ может «думать медленно», анализируя данные глубже и структурированнее.
Этот шаг, по мнению исследователей, открывает новые возможности для развития интеллектуальных систем, способных не только обрабатывать информацию, но и «представлять» новые сценарии и решения.
Читайте также:
Ctrl
Enter
Заметили ошЫбку
Выделите текст и нажмите Ctrl+EnterЧитайте также: