XLand-MiniGrid

Продукт
Разработчики: T-Bank AI Research (Центр искусственного интеллекта Т‑Банка)
Дата премьеры системы: ноябрь 2024 г
Отрасли: Информационные технологии

Содержание

История

2024: Анонс продукта

29 ноября 2024 года стало известно о том, что российские ученые из лаборатории T-Bank AI Research и Института AIRI в сотрудничестве со студентами МФТИ, «Сколтеха» и Иннополиса разработали XLand-MiniGrid — первую открытую виртуальную среду для исследований в области контекстного обучения с подкреплением искусственного интеллекта.

Как передает ТАСС, среда опубликована в открытом доступе для исследователей по всему миру. Эксперименты в XLand-MiniGrid уже провели специалисты из Google DeepMind, Калифорнийского университета в Беркли и Оксфордского университета.

В России создали первую в мире открытую ИИ-среду для быстрого контекстного обучения с подкреплением

Исследователь научной группы AI Alignment Вячеслав Синий подчеркнул, что работа привлекла внимание мирового научного сообщества, поскольку в зарождающейся области контекстного обучения с подкреплением отсутствовали необходимые инструменты для оценки новых идей.Облачные сервисы для бизнеса: особенности рынка и крупнейшие поставщики. Обзор TAdviser 7.3 т

Разработанная среда содержит 100 млрд примеров действий искусственного интеллекта в 30 тыс. задач, что позволяет использовать готовые наборы данных для обучения вместо создания их с нуля. XLand-MiniGrid создана на базе технологии JAX и способна выполнять миллиарды операций в секунду.

Руководитель научной группы «Адаптивные агенты» Института AIRI Владислав Куренков отметил, что контекстное обучение с подкреплением позволяет создавать системы, способные мгновенно адаптироваться к новым сценариям на основе внешней обратной связи.

В отличие от закрытых разработок крупных компаний, XLand-MiniGrid предоставляет возможность изменять условия обучения в процессе работы, что упрощает моделирование различных задач и помогает создавать более адаптивные модели искусственного интеллекта. Публичный доступ к среде позволит исследователям по всему миру ускорить разработку и тестирование новых алгоритмов машинного обучения.[1]

Примечания



СМ. ТАКЖЕ (1)