Специалисты из Сбера, МФТИ, Института системного программирования РАН и Сколтеха разработала методику, ускоряющую обучение распределённых систем искусственного интеллекта (ИИ). Разработка позволяет значительно снизить нагрузку на вычислительные сети и уменьшить энергопотребление.
Основное новшество метода — комбинация нескольких подходов к обработке данных. Алгоритм использует сжатие информации, учитывает схожесть данных между узлами и оптимизирует частоту обмена данными. Как пояснил доцент МФТИ Александр Безносиков, это позволяет сократить время обучения моделей без потери точности.
Технология особенно полезна в условиях ограниченной пропускной способности сетей. По словам директора Центра практического искусственного интеллекта Сбера Глеба Гусева, метод решает ключевую проблему распределённого обучения — высокие коммуникационные издержки.
Разработка найдёт применение в различных отраслях — от финансов до телекоммуникаций и промышленности. Учёные отмечают, что их подход открывает возможности для создания более эффективных алгоритмов ИИ и ускоряет внедрение технологий машинного обучения на практике.
Метод уже прошёл эмпирическую проверку, подтвердившую его эффективность.