Обучаемый алгоритм справился с визуальным анализом лучше людей

Группа исследователей из Висконсинского университета (UW-Madison) и Окриджской национальной лаборатории создала обучаемую систему ИИ, превзошедшую экспертов-людей в скорости и эффективности оценки степени радиационных повреждений потенциальных материалов для ядерных реакторов. Об этой работе рассказывает статья в npj Computational Materials, опубликованная 18 июля.

Визуальная проверка электронно-микроскопических изображений материалов, подвергавшихся воздействию радиации, абсолютно необходима для разработки безопасных ядерных реакторов. Группа из UW-Madison поставила перед собой задачу обучить нейтронную сеть распознаванию одного из основных типов радиационных повреждений — дислокационной петли.

После тренировки на 270 изображениях, нейросеть в комбинации с ещё одним алгоритмом машинного обучения — каскадным детектором объектов — смогла правильно идентифицировать и классифицировать около 87% дислокационных петель на серии тестовых снимков. Контрольная группа экспертов-людей смогла показать лишь 80%-й результат.

Авторы отмечают не только более высокую точность, но и скорость их метода, далеко опережающего людей даже на ресурсах обычного домашнего ПК. Они продолжают работать над совершенствованием своей технологии, расширяя массив тренировочных данных и обучая новую нейросеть распознавать разные типы радиационных дефектов. В конечном итоге предполагается создать обширный облачный ресурс, в который специалисты со всего мира смогут загружать изображения для практически мгновенного анализа.

Ready, set, buy! Посібник для початківців - як придбати Copilot для Microsoft 365