Исследователи из Университета Иннополис предложили неожиданный способ повысить скорость обучения искусственного интеллекта — использовать данные о взгляде человека. Идея проста: отслеживая, куда именно смотрит человек при выполнении задачи, можно выделить наиболее важные области изображения или сцены и направлять на них внимание модели. Это помогает ИИ быстрее понять, какие элементы действительно значимы для решения задачи, вместо того чтобы тратить ресурсы на всё подряд.
Команда разработала методику, в которой информация о фиксациях глаз интегрируется в процесс обучения нейросети. Во время разметки или демонстрации задач добровольцы смотрят на объекты, а система фиксирует эти точки и учитывает их при настройке весов модели. Результат — уменьшение объёма необходимых обучающих данных и более быстрая сходимость алгоритмов, особенно в задачах визуального распознавания и взаимодействия с окружающей средой. Подход имеет практическое значение: в приложениях с ограниченными ресурсами или при дефиците размеченных данных использование человеческого взгляда позволяет экономить время и вычислительную мощность.
Кроме того, такая стратегия делает процесс обучения более «человекоцентричным», поскольку модель учится выделять те же признаки, что и люди, что может повысить её интерпретируемость и надёжность в реальных сценариях. Исследования пока находятся в активной фазе: учёные тестируют метод на разных архитектурах и наборах данных, оценивая устойчивость и переносимость результатов. Если подход подтвердит свою эффективность в широком спектре задач, он может стать важным инструментом для ускорения создания интеллектуальных систем, особенно там, где важно быстрое обучение и тесная связь с человеческим восприятием.
