Метод адаптации ИИ-систем к новым условиям среды создали в МГУ

Центр искусственного интеллекта МГУ имени М.В. Ломоносова совместно с Институтом искусственного интеллекта AIRI разработал подход, который помогает поведенческим моделям искусственного интеллекта адаптироваться к новым условиям среды без дополнительного обучения, сообщает Научная Россия.

Исследование посвящено работе ИИ-систем в ситуациях, когда динамика среды меняется. Его представили на Международной конференции по представлению знаний ICLR 2026.

Современные поведенческие модели могут обучаться на больших объемах данных и затем выполнять новые задачи без дополнительной настройки. Однако при изменении условий среды такие системы адаптируются хуже. Это может происходить, например, при смене физических параметров, появлении препятствий или других скрытых факторов.

Рекомендуем также:

1. Одна неосторожная фраза может дорого обойтись: Верховный суд объяснил, что нельзя говорить инспектору ГИБДД
2. Сирень уже отцвела, но расслабляться рано: ошибка после цветения может лишить вас пышных кистей на следующий год

Такие ограничения мешают применять подобные модели в робототехнике и других практических задачах, где условия способны меняться уже во время выполнения действия.

Ученые изучили ограничения метода прямых и обратных представлений, который используется при создании поведенческих моделей. Исследование показало, что при обучении на данных из разных сред модель начинает смешивать различные сценарии поведения. Из-за этого качество адаптации снижается.

Для решения проблемы специалисты предложили подходы на основе трансформерной модели. Она оценивает скрытые параметры среды по наблюдаемой траектории поведения. Благодаря этому модель может учитывать изменения динамики и выбирать более подходящую стратегию действий без повторного обучения.

Также авторы предложили разделять пространство представлений поведения на отдельные области, связанные с разными типами среды. Это помогает снизить влияние противоречивых сценариев и повысить устойчивость модели при новых условиях.

Эксперименты проводились в дискретных и непрерывных средах. В тесты вошли задачи с меняющейся конфигурацией пространства и внешними воздействиями. По итогам проверки новый подход показал результаты до двух раз лучше по сравнению с существующими методами адаптации.

Научный сотрудник Центра ИИ МГУ и AIRI Александр Никулин отметил, что исследователи изучали, как поведенческие модели могут подстраиваться под изменения среды без дополнительного обучения. По его словам, предложенный подход позволяет учитывать скрытые параметры и сохранять устойчивость модели при смене условий.

Авторы считают, что разработка может применяться в робототехнике и других системах, которые работают в изменяющейся среде.

Рекомендуем также:

1. Кошмарная погода накроет Центральную Россию уже в июне: синоптики предупредили о резком погодном развороте
2. Жир на животе начнет уходить не от голода: какие продукты помогают запустить похудение и вернуть легкость
3. Стаж больше не гарантирует спокойную пенсию: какие годы вашей жизни могут внезапно исчезнуть из расчета после новых правил