Команда под руководством профессора Минхэ Квон из Школы электронной и электротехнической инженерии Университета Сонгюнгван (Республика Корея) представила две технологии для систем искусственного интеллекта (ИИ). Они должны помочь ИИ справляться с длинными и сложными задачами, тратить меньше вычислительных ресурсов и работать безопаснее. Результаты опубликованы на сервере препринтов arXiv - площадке, где выкладывают научные работы до рецензирования в журнале.

Одна из проблем современных ИИ-ассистентов, которые сами планируют и выполняют поручения пользователя, - постоянные перепроверки. Многие такие системы на каждом шаге обращаются к другой, более мощной модели с вопросом: "Я всё делаю правильно?" Это удорожает серверные вычисления и замедляет ответ.

Первая разработка, SAG (Self-improving Agent with Gated critique - "самоулучшающийся агент с выборочной критикой"), предлагает ИИ самому оценивать свою неуверенность и запрашивать внешнюю подсказку только тогда, когда она того стоит. Это похоже на ученика, который занимается сам, а к учителю идёт лишь с трудной задачей. Система также накапливает удачный опыт и со временем всё меньше зависит от подсказок извне.

В сложных виртуальных средах такой подход снизил расход вычислительных ресурсов примерно до трети от обычного уровня. Доля успешно выполненных заданий выросла с 24,6% до 78,3% - более чем в три раза. Первым автором этой работы указан аспирант Хивон Пак.

Вторая технология, VAN-Flow, создана для обучения с подкреплением - метода, при котором ИИ учится на пробах и ошибках, получая условные "награды" за удачные действия. Её первый автор - магистрант Кухён Кан. Разработка предназначена для робототехники и беспилотных автомобилей, где реальные эксперименты могут привести к аварии, поэтому ИИ часто обучают только на заранее собранных данных.

В таких условиях система может принять случайную удачу за надёжную стратегию и начать повторять рискованное поведение. Новый математический алгоритм отсеивает действия, успех которых зависел от случая, и отдаёт приоритет тем, что стабильно приводят к результату в разных условиях. В более чем 40 сложных симуляциях управления роботами с сильными помехами и длительными точными операциями VAN-Flow показал успешность выше большинства существующих передовых методов.

Обе работы приняты на 40-ю конференцию NeurIPS 2026, куда съезжаются исследователи и представители технологических компаний, включая Google и OpenAI. "Особенно значимо, что наши студенты-исследователи возглавили разработку практических базовых технологий, которые можно быстро применить в реальной и промышленной среде", - приводит слова Квон пресс-служба. Она добавила, что команда продолжит работать над автономными ИИ-системами, которым бизнес и люди смогут доверять без чрезмерных вычислительных затрат.

Источник: Tech Xplore