| Название базовой системы (платформы): | Искусственный интеллект (ИИ, Artificial intelligence, AI) |
| Разработчики: | НИТУ МИСиС (Национальный исследовательский технологический университет) |
| Дата премьеры системы: | 2022/10/05 |
Основные статьи:
2022: Алгоритмы Maximin и Maximal
5 октября 2022 года стало известно о том, что доцент кафедры инженерной кибернетики Университета МИСИС, к.м.н., математик и врач Александра Бернадотт разработала алгоритмы, оптимизирующее точность распознавания ментальных команд роботами за счет оптимизации подбора словаря. Алгоритмы, имплементированные в роботизированные устройства, могут быть использованы для передачи информации в условиях повышенного уровня шума. Результаты были опубликованы в рецензируемом международном научном журнале Mathematics.
Как сообщалось, задача оптимизации точности классификации объектов –аудио-, видео- или электромагнитных сигналов – при составлении так называемых «словарей» устройств стоит перед разработчиками самых различных систем, способных оптимизировать качество жизни человека.
Самым понятным примером могут служить голосовые помощники, например, Салют от Сбера, Яндекс Алиса и др. Устройства передачи аудио или видео для дистанционного управления объектом в зоне прямой видимости, используют ограниченный набор команд. В то же время, важно, чтобы классификатор команд на основе нейронной сети точно понимал и не путал между собой команды, входящие в словарь устройства. При этом точность распознавания не должна опускаться ниже определенного значения при наличии посторонних шумов.Чек-лист: как модернизировать ЦОД в рамках концепции OCP (Open Compute Project) 
Подбор команд также очень важен для интерфейса мозг-компьютер (нейроинтерфейса), который используется людьми с нарушениями движения для дистанционного управления курсором или роботизированной рукой. Устройство воспринимает и распознает паттерны электрической активности мозга, когда человек думает о той или иной команде.
Сложность заключается в том, что эти паттерны схожи для слов с похожим значением или звучанием. В связи с этим, классификация ментальных или других команд из конкретного словаря для проектирования устройств ввода с использованием звукового или электромагнитного сигнала является серьезной проблемой. Однако на практике для управления большинством роботизированных устройств достаточно 16–20 команд, и приоритет отдается не многообразию объектов в словаре, а качеству их распознавания.
Алгоритмы Maximin и Maximal, предложенные Александрой Бернадотт в ее работе, позволяют подобрать набор объектов словаря для максимизации точности классификации при уменьшении времени подбора словаря команд на пять порядков по сравнению с полным их перебором.
 | Существующие на октябрь 2022 года алгоритмы, как правило, работают на уровне увеличения точности классификации уже созданного словаря. Я же посмотрела на этот вопрос с точки зрения оптимизации самого процесса подбора команд словаря. Алгоритм Maximin эффективен, если словарь достаточно объемный и нужно, чтобы слова распознавались одинаково хорошо. Алгоритм Maximal же используется, если нужно увеличить точность распознавания, но на подбор словаря у нас значительно больше ресурсов. Алгоритмы основаны на представлении набора k команд в виде взвешенного k-дольного графа. Каждая доля графа соответствует семантическому классу эквивалентности. Ребра графа имеют веса, соответствующие значению статистического признака Колмогорова-Смирнова, полученного на распределениях n-мерных сигналов ментальных команд, относящихся к разным классам эквивалентности – к разным долям. Нахождение на данном графе клики с максимальным или максиминным суммарным весом даёт искомый словарь команд, которые классифицируются с точностью не ниже заданной. Использовать данный алгоритм можно не только для разработки нейроинтерфейса. Его можно использовать в широкой области передачи информации. пояснила Александра Бернадотт, к.м.н., математик и врач, доцент кафедры инженерной кибернетики Университета МИСИС, сотрудница механико-математического факультета МГУ |  |
Исходный код предложенных алгоритмов размещен на GitHub, и с ним можно свободно ознакомиться и использовать для дальнейших исследований. Следующим этапом исследований будет применение алгоритма на существующих данных и теоретическое обоснование более общей задачи.
