Новый высокоэффективный алгоритм машинного обучения предложили два исследователя, Пархам Аараби (Parham Aarabi) и Веньчжи Гуо (Wenzhi Guo) из Университета Торонто (Канада). Его особенность заключается в том, что обучение нейросетей происходит не на существующем наборе примеров, а руководствуясь указаниями людей.

Такой подход позволяет данному алгоритму превзойти более традиционные методы тренировки искусственных нейросетей на 160%. Авторы продемонстрировали его применение на примере задачи уверенного распознавания волос на изображениях, которая представляет для компьютера, в отличие от человека, значительные трудности.

«Наш алгоритм научился правильно классифицировать сложные пограничные случаи, различая текстуру волос на текстуре фона, — рассказывает Аараби. — Это напоминало обучение ребёнка преподавателем, причем ребёнок научился большему, чем то, что ему давали».

Люди обычно «учат» компьютерные нейросети, обеспечивая для них набор классифицированных данных и требуя принимать решения на основе демонстрируемых образцов. Например, можно натренировать нейросеть распознавать небо, показав ей сотню фотографий, на которых небо выделено и подписано.

Новый алгоритм «эвристической тренировки» работает иначе. Люди предоставляют прямые указания по предварительной классификации тренировочного массива данных. Эти советы могут быть например, такими: «Небо скорее всего окрашено в различные оттенки синего цвета» или «Чем ближе пиксели к верхней части снимка, тем вероятнее, что они относятся к небу».

Эвристический метод был описан авторами в публикации в журнале IEEE Transactions on Neural Networks and Learning Systems. Позволяя классифицировать ранее неизвестные данные он обещает решение для одной из серьезнейших проблем нейросетей, препятствующей их применению в новых ситуациях.