Ученые из штата «Сколтеха» и Института искусственного интеллекта AIRI разработали новый метод транспортировки информации, содержащейся в одном домене, в другой: в качестве вспомогательного инструмента задействован функционал нейросети. Такой алгоритм не нуждается в парных обучающих выборках: обучение возможно посредством задействования независимых выборок информации из входного и выходного доменов. Достоинства представленного метода — большая степень интерпретируемости и четкая теоретическая основа.
Александр Коротин, руководитель группы исследователей «Сколтеха», дал комментарий о проведенной работе: «Численные методы оптимальной транспортировки уже несколько лет активно используются для построения генеративных нейросетей. Наши предварительные исследования показали, что ошибка вычисления оптимальной транспортировки в таких моделях очень высока. Нам удалось не только обнаружить причины этой ошибки, но и на основе проведенного анализа разработать принципиально новые эффективные способы построения генеративных моделей для непарного переноса домена на основе теории оптимальной транспортировки».
Рабочая группа исследователей, работавшая над проектом, вдохновлялась работами советского ученого-математика Леонида Канторовича. Взяв за основу его теорию оптимальной транспортировки, изначально направленной на применение в случаях грузовой перевозки, они создали новый расчетный метод для формирования плана междоменного транзита данных. Название алгоритма — Neural Optimal Transport. Он вовлекает глубинные нейронные сети и использует независимые друг от друга информационные массивы.