Věda a vesmír

Vědci vyřešili sto let starou diferenciální rovnici, čímž překonali výpočetní překážku “tekuté” umělé inteligence

Uložit článek na později

V loňském roce byl na MIT vyvinut algoritmus AI/ML, který se dokáže učit a přizpůsobovat novým informacím i během práce, nejen v počáteční fázi tréninku, napsali na webu Engadget.

Tyto “tekuté” neuronové sítě (ve smyslu Bruce Leeho) hrají doslova 4D šachy (jejich modely vyžadují ke své činnosti časové řady dat), což je předurčuje k použití v časově citlivých úlohách, jako je monitorování kardiostimulátorů, předpověď počasí, investiční prognóza nebo autonomní navigace vozidel. Problém však spočívá v tom, že datová propustnost se stala úzkým hrdlem a škálování těchto systémů se stalo z výpočetního hlediska neúnosně nákladným.

Výzkumníci z MIT oznámili, že navrhli řešení tohoto omezení, a to nikoliv rozšířením datového toku, ale vyřešením diferenciální rovnice, která trápí matematiky již od roku 1907. Konkrétně tým vyřešil “diferenciální rovnici, která stojí za interakcí dvou neuronů prostřednictvím synapsí a odemkl tak nový typ rychlých a efektivních algoritmů umělé inteligence”.

“Nové modely strojového učení, které nazýváme ‘CfC’ (closed-form Continuous-time), nahrazují diferenciální rovnici definující výpočet neuronu aproximací v uzavřeném tvaru, čímž zachovávají krásné vlastnosti tekutých sítí bez nutnosti numerické integrace,” uvedla v úterním tiskovém prohlášení profesorka MIT a ředitelka CSAIL Daniela Rus. “Modely CfC jsou kauzální, kompaktní, vysvětlitelné a efektivní na trénování a předvídání. Otevírají cestu k důvěryhodnému strojovému učení pro aplikace kritické z hlediska bezpečnosti.”

Tým doufá, že vyřešením této rovnice na úrovni neuronů se jim podaří sestavit modely lidského mozku, které budou měřit miliony neuronových spojení, což dnes není možné. Tým také poznamenává, že tento model CfC by mohl být schopen vzít vizuální trénink, který se naučil v jednom prostředí, a použít ho na zcela novou situaci bez další práce, což je známé jako generalizace mimo distribuci. To je něco, co modely současné generace skutečně neumějí, a ukázalo by se, že jde o významný krok na cestě k zobecněným systémům umělé inteligence zítřka.

Zdroj: engadget.com

Přihlaste se, komentujte články a ukládejte si ty nejzajímavější k pozdějšímu přečtení.

 

Přihlásit přes Seznam

 

Přihlásit se přes náš web

 

Ještě nemáte účet? Staňte se členem.

Upozornit na nové komentáře
Upozornit na
0 Komentáře
Nejnovější
Nejstarší Nejhlasovanější
Inline zpětná vazba
Zobrazit všechny komentáře
0
Co si o tom myslíte? Napište nám váš názorx