Задача машинного обучения: чтобы компьютеры учились на данных из окружающего мира, как это делает человек. За последние годы в этой области произошла революция. Глубокое обучение (один из методов машинного обучения) сыграло решающую роль в создании ряда решений: беспилотных автомобилей, пользовательских интерфейсов с функцией поддержки речи, автоматического анализа медицинских изображений, веб-поисковых систем, рекомендательных систем, кибербезопасности, обнаружения и распознавания объектов и проч. 

Хотя уже достигнут значительный прогресс в разработке алгоритмов машинного обучения и лежащей в их основе теории, остается ряд вопросов: как обучить глубоким моделям при отсутствии больших объемов данных? Как создать глубокие модели мобильных устройств с ограниченными ресурсами? Как улучшить обобщающие характеристики глубоких нейронных сетей? Как дать возможность глубоким моделям адаптироваться к неизвестным целевым доменам? Как защитить глубокие модели от враждебных атак? 

Исследование лаборатории сосредоточено на поиске ответов на эти и другие вопросы.