Розробка інструментів для дослідження методів підвищення результатів тесту ARC-AGI (Abstraction and Reasoning Corpus for Artificial General Intelligence)

Abstract

Мета роботи – створення системи ШІ здатної ефективно набувати нових навичок незалежно від даних навчання, шляхом створення архітектури нейронної мережі, її навчання, та подальшого використання отриманих результатів. Методи дослідження – теоретичний (збір та структуризація теоретичного матеріалу), експериментальний (програмна реалізація нейронної мережі та її навчання). Методи розробки базуються на технологіях Python з фреймворком tensorflow. Результатом роботи є досягнута точність співпадіння прогнозів перетворення вхідних зразків мережі з оригіналами міток понад 90% при використанні впродовж навчання трансдуктивної моделі в якості тренувальних даних не більше 50 зразків.