Ученые ТулГУ разрабатывают алгоритм машинного обучения, который сможет быстро работать с большими массивами данных и при этом объяснять, почему принял то или иное решение. В 2026 году проект доцента Валентины Сулимовой поддержал Российский научный фонд.
В основе разработки – метод опорных векторов, или SVM. В отличие от нейросетей, которые часто работают как «черный ящик», такая модель позволяет увидеть, какие именно признаки повлияли на результат. Главная проблема SVM – медленная работа с огромными объемами информации.
В ТулГУ предлагают разбивать большую задачу на множество небольших и решать их параллельно. Благодаря этому алгоритм сможет работать даже на обычном компьютере, если весь массив данных не помещается в оперативную память. Система также будет сама отсеивать лишние признаки и оставлять только действительно важные.
Разработку планируют применять в медицине и химической промышленности. В первом случае алгоритм сможет не только определить, например, болен пациент или здоров, но и показать, какие показатели привели к такому выводу. В промышленности технология поможет заранее прогнозировать свойства новых материалов и отбраковывать неудачные варианты еще на этапе расчетов.