Aktualizacja AI: Nowy algorytm może prowadzić do tańszych, dokładniejszych i lżejszych modeli AI

Grupa naukowców rozwiązała fundamentalny problem w uczeniu maszynowym, tworząc pierwszą metodę obsługi symetrycznych danych, która gwarantuje wydajność zarówno pod względem obliczeń, jak i zapotrzebowania na dane. Głównym wyzwaniem jest to, że sztuczna inteligencja może być łatwo zdezorientowana przez symetrię; na przykład może postrzegać obróconą cząsteczkę jako zupełnie nowy obiekt, zamiast rozpoznawać ją jako tę samą strukturę.

Te symetrie są ważne, ponieważ są pewnego rodzaju informacją, którą natura mówi nam o danych i powinniśmy wziąć je pod uwagę w naszych modelach uczenia maszynowego. Pokazaliśmy teraz, że możliwe jest efektywne uczenie maszynowe z symetrycznymi danymi. - Behrooz Tahmasebi, student MIT i współautor projektu.

Podczas gdy niektóre obecne modele, takie jak graficzne sieci neuronowe, radzą sobie z symetrią, naukowcy nie do końca rozumieli, dlaczego działają one tak dobrze. Zespół z MIT twierdzi, że przyjął inne podejście - zaprojektował nowy algorytm, łącząc koncepcje matematyczne z algebry i geometrii, aby stworzyć system, który może skutecznie uczyć się i szanować symetrię.

Ta wydajna metoda wymaga mniejszej liczby próbek danych do szkolenia, co może poprawić dokładność i zdolność adaptacji modelu. Naukowcy twierdzą, że ich praca może doprowadzić do rozwoju bardziej wydajnych i mniej zasobochłonnych modeli sztucznej inteligencji do szerokiego zakresu zastosowań, "od odkrywania nowych materiałów, po identyfikację anomalii astronomicznych i odkrywanie złożonych wzorców klimatycznych" Badania zostały niedawno zaprezentowane na Międzynarodowej Konferencji Uczenia Maszynowego.