Искусственный интеллект, который анализирует видео и данные из реального мира, должен работать быстро и безошибочно. Учёные из Университета Саскачевана (Канада) разработали метод, который делает такие системы заметно быстрее, точнее и экономичнее — от распознавания действий в медицине до систем беспилотного вождения.
«Для моделей ИИ крайне важно принимать решения быстрее и точнее, — подчёркивает Цзу-Лин Лю (Tzu-Ling Liu), недавняя выпускница магистратуры Университета Саскачевана и соавтор исследования. — Представьте: ваш беспилотный автомобиль замечает опасность за 0,1 секунды, а наша модель способна среагировать ещё быстрее. Какой автомобиль вы бы выбрали?»
Работа была представлена на конференции IEEE/CVF по компьютерному зрению и распознаванию образов (CVPR 2026) в Денвере и получила престижную награду CVPR Computer Gold Star Award — из более чем 16 тысяч поданных статей награду присудили лишь 18. Соавторами стали доктор Ян Ставнесс (Ian Stavness), заведующий кафедрой информатики, и доктор Мриганк Рочан (Mrigank Rochan), доцент кафедры.
Проблема «сдвига домена»: почему ИИ путается в новой обстановке
Современные модели ИИ часто хорошо работают в той среде, где их обучали, но теряют точность при переходе в другие условия. Система, натренированная распознавать бегущего человека на солнечной улице, может «не понять», что происходит, когда тот же человек бежит по тёмному дождливому парку.
Эта классическая проблема называется «сдвиг домена» (domain shift). Фон и освещение сильно влияют на результат, а модели тратят много ресурсов на обработку несущественной информации.
Как работает LMFT — обучаемая токенизация, ориентированная на движение
Команда создала систему под названием Learnable Motion-Focused Tokenization (LMFT) — «Обучаемая токенизация, ориентированная на движение». По сути, это умный цифровой фильтр, который во время обучения отбрасывает неинформативные фоновые фрагменты и заставляет модель сосредоточиться исключительно на самом действии и движении.
«Фон мешает ИИ правильно идентифицировать действия, — объясняет Цзу-Лин Лю. — Представьте, что вы просто убираете эти бесполезные фоновые патчи».
Благодаря такому подходу модель не только точнее распознаёт действия, но и работает быстрее: ей больше не нужно обрабатывать лишние данные. Метод особенно полезен при анализе видео, где важно уловить суть движения, а не детали окружения.
Почему это важно: скорость, доступность и локальный ИИ
Одна из главных преград на пути широкого внедрения передового ИИ — огромные вычислительные мощности, которые требуются для работы моделей. Это делает их дорогими и недоступными для обычных людей и небольших организаций.
Метод LMFT существенно снижает потребность в ресурсах. В перспективе это позволит создавать и запускать мощные модели локально, без постоянной зависимости от огромных дата-центров.
«Мы хотим разрабатывать решения ИИ, которые одновременно эффективны и экономичны для самых разных сценариев применения, — говорит Мриганк Рочан. — Если модель требует меньше вычислений, её можно будет собирать и использовать локально».
Получение награды CVPR Computer Gold Star Award стало признанием того, что работа решает реальную и острую проблему. Исследователи подчёркивают: снижение вычислительной нагрузки при сохранении высокой точности — один из ключевых шагов к тому, чтобы передовой ИИ стал доступнее не только крупным корпорациям, но и широкому кругу разработчиков, врачей, инженеров и обычных пользователей.
Новая технология приближает будущее, в котором беспилотные автомобили будут реагировать ещё быстрее, медицинские системы — точнее анализировать видео операций, а небольшие команды смогут запускать мощные модели ИИ даже без суперкомпьютеров.
