Тема «IQ»

Тематические модели — алгоритмы машинного обучения, способные сортировать большие объемы текстов по темам. Исследователи из НИУ ВШЭ в Санкт-Петербурге сравнили пять тематических моделей и определили, какие из них работают лучше. Наименьшее число ошибок показали две модели, одна из которых, GLDAW, — разработка Лаборатории социальной и когнитивной информатики НИУ ВШЭ в Санкт-Петербурге. Статья опубликована в журнале PeerJ Computer Science.

Международный коллектив авторов при участии ученых из НИУ ВШЭ изучил процесс принятия решений у жителей 11 стран. Оказалось, что в ситуации, требующей быстрого самостоятельного решения, всем людям, независимо от национальности, свойственно ошибаться. Однако в определенных случаях поведение людей отличается в зависимости от их отношения к риску: самые рисковые — китайцы и японцы, а наименее склонны к риску жители Индии и Чили. Статья опубликована в журнале Nature Human Behaviour.

Ученые Центра ИИ и Института искусственного интеллекта и цифровых наук факультета компьютерных наук НИУ ВШЭ применили классические алгоритмы обучения с подкреплением для настройки генеративных потоковых сетей (GFlowNets). Это позволило улучшить работу GFlowNets, которые применяются уже три года для решения сложнейших научных задач на этапах моделирования, генерации гипотез и экспериментального проектирования. Результаты работы вошли в 5% лучших публикаций на Международной конференции по искусственному интеллекту и статистике AISTATS, которая состоялась 2–4 мая 2024 года в Валенсии.