Навчати нейронні мережі непросто. Навіть якщо їх нескладно створити, то подальше навчання може зажадати безліч годин, незалежно від того, скільки обчислювальної потужності використовувати.
У дослідників з компанії OpenAI з’явився новий підхід до вирішення цієї проблеми. Вони розробили нейронну мережу, яка використовує стратегію еволюції, однак вона не схожа на біологічну еволюцію. Замість того, щоб використовувати один і той же метод навчання нейронної мережі, дослідники намагаються навчити її навчатися самостійно. Подібна система може почати вирішувати завдання з використанням безлічі випадкових параметрів, а потім, роблячи припущення, все ближче і ближче підбиратися до єдино правильного рішення. Незважаючи на те, що даний підхід виглядає дещо загадково, він має очевидні переваги.
Нова технологія усуває багато традиційних проблем, пов’язаних з навчанням нейронних мереж, роблячи їх код більш простим у реалізації. Крім того, дана методика допомагає легко масштабувати нейронні мережі, що дозволить, використовуючи більш потужні обчислювальні машини, справлятися з навчанням швидше. У тестах, проведених дослідниками з компанії OpenAI, суперкомп’ютер з 1440 ядрами зміг навчити комп’ютерні моделі гуманоїдів ходьбі всього за 10 хвилин, в той час як звичайна нейронна мережа витрачає на це близько 10 годин. При цьому обчислювальна потужність комп’ютера безпосередньо впливає на швидкість вирішення завдання.
Результати навчання гуманоїдів ходьбі / ©blog.openai.com
Ще одним безперечним плюсом цього підходу є те, що оператори нейронних мереж перестануть витрачати безліч годин на їх навчання – вони будуть лише вводити початкові дані і перевіряти результат.