Sztuczna inteligencja może teraz rozwiązywać zaawansowaną matematykę, przeprowadzać złożone rozumowania, a nawet korzystać z komputerów osobistych, ale dzisiejsze algorytmy nadal mogą uczyć się kilku rzeczy od mikroskopijnych robaków.
Płynna sztuczna inteligencjastartup wywodzący się z MIT, zaprezentuje dziś kilka nowych modeli sztucznej inteligencji opartych na nowatorskim typie „płynnej” sieci neuronowej, która może być bardziej wydajna, mniej energochłonna i bardziej przejrzysta niż te, na których opierają się wszystkie chatboty, generatory obrazów, systemy rozpoznawania twarzy.
Nowe modele Liquid AI obejmują jeden do wykrywania oszustw w transakcjach finansowych, drugi do kontrolowania samochodów autonomicznych i trzeci do analizy danych genetycznych. Firma pochwaliła się nowymi modelami, na które udziela licencji firmom zewnętrznym, podczas wydarzenia, które odbyło się dzisiaj w MIT. Firma otrzymała finansowanie od inwestorów, do których należą Samsung i Shopify, które również testują jej technologię.
„Rozwijamy skalę” – mówi Ramina Hasaniegowspółzałożyciel i dyrektor generalny Liquid AI, który jako student na MIT był współwynalazcą sieci płynnych. Badania Hasaniego czerpały inspirację z C. elegancjarobak o długości milimetra, zwykle spotykany w glebie lub gnijącej roślinności. Robak jest jednym z nielicznych stworzeń, których układ nerwowy został w całości zmapowany i pomimo posiadania zaledwie kilkuset neuronów jest zdolny do niezwykle złożonych zachowań. „Kiedyś był to tylko projekt naukowy, ale technologia ta jest w pełni skomercjalizowana i w pełni gotowa do zapewnienia wartości przedsiębiorstwom” – mówi Hasani.
Wewnątrz zwykłej sieci neuronowej właściwości każdego symulowanego neuronu są definiowane przez wartość statyczną lub „wagę”, która wpływa na jego uruchomienie. W płynna sieć neuronowazachowanie każdego neuronu jest regulowane przez równanie, które przewiduje jego zachowanie w czasie, a sieć rozwiązuje kaskadę powiązanych równań w trakcie funkcjonowania sieci. Konstrukcja sprawia, że sieć jest wydajniejsza i bardziej elastyczna, pozwalając jej uczyć się nawet po przeszkoleniu, w przeciwieństwie do konwencjonalnej sieci neuronowej. Płynne sieci neuronowe są również podatne na inspekcję w przeciwieństwie do istniejących modeli, ponieważ ich zachowanie można w zasadzie przewinąć, aby zobaczyć, w jaki sposób wygenerowało wynik.
W 2020 roku badacze wykazali, że taka sieć zawierająca zaledwie 19 neuronów i 253 synapsy, czyli niezwykle mała jak na współczesne standardy, mogłaby sterować symulowanym samochodem autonomicznym. Podczas gdy zwykła sieć neuronowa może analizować dane wizualne tylko w statycznych odstępach czasu, sieć płynna bardzo skutecznie rejestruje sposób, w jaki informacje wizualne zmieniają się w czasie. W 2022 roku założyciele Liquid AI wymyśliłem skrót dzięki temu praca matematyczna potrzebna przy tworzeniu płynnych sieci neuronowych stała się możliwa do praktycznego zastosowania.
