Umělá inteligence by nyní mohla řešit pokročilou matematiku, provádět složité uvažování a dokonce používat osobní počítače, ale dnešní algoritmy by se stále mohly něco naučit od mikroskopických červů.
Liquid AI, startup vzniklý z MIT, dnes odhalí několik nových modelů AI založených na novém typu „tekuté“ neuronové sítě, která má potenciál být efektivnější, méně energeticky náročná a transparentnější než ty, které podporují vše od chatbotů přes generátory obrázků až po systémy rozpoznávání obličejů.
Mezi nové modely Liquid AI patří jeden pro odhalování podvodů ve finančních transakcích, druhý pro ovládání samořídících aut a třetí pro analýzu genetických dat. Společnost představila nové modely, které licencuje externím společnostem, na akci pořádané dnes na MIT. Společnost získala finanční prostředky od investorů, mezi něž patří Samsung a Shopify, přičemž oba také testují její technologii.
„Rozšiřujeme se,“ říká Ramin Hasani, spoluzakladatel a generální ředitel společnosti Liquid AI, který jako postgraduální student na MIT spoluvynalezl tekuté sítě. Hasaniho výzkum čerpal inspiraci z C. elegansmilimetr dlouhý červ, který se obvykle vyskytuje v půdě nebo hnijící vegetaci. Červ je jedním z mála tvorů, kteří měli celý svůj nervový systém zmapovaný, a je schopen pozoruhodně složitého chování, přestože má jen několik stovek neuronů. „Kdysi to byl jen vědecký projekt, ale tato technologie je plně komercializovaná a plně připravená přinést hodnotu pro podniky,“ říká Hasani.
Uvnitř pravidelné neuronové sítě jsou vlastnosti každého simulovaného neuronu definovány statickou hodnotou nebo „váhou“, která ovlivňuje jeho aktivaci. V tekuté neuronové síti je chování každého neuronu řízeno rovnicí, která předpovídá jeho chování v čase, a síť řeší kaskádu propojených rovnic, jak síť funguje. Díky designu je síť efektivnější a flexibilnější, což jí umožňuje učit se i po tréninku, na rozdíl od konvenční neuronové sítě. Kapalné neuronové sítě jsou také přístupné inspekci způsobem, jakým existující modely nejsou, protože jejich chování lze v podstatě převinout, aby bylo vidět, jak produkuje výstup.
V roce 2020 vědci ukázali, že taková síť s pouhými 19 neurony a 253 synapsemi, která je na moderní standardy pozoruhodně malá, by mohla ovládat simulované samořídící auto. Zatímco běžná neuronová síť může analyzovat vizuální data pouze ve statických intervalech, tekutá síť velmi efektivně zachycuje způsob, jakým se vizuální informace mění v čase. V roce 2022 zakladatelé Liquid AI přišli na zkratku, která umožnila praktické využití matematické práce potřebné pro tekuté neuronové sítě.
Čerpáme z těchto zdrojů: google.com, science.org, newatlas.com, wired.com, pixabay.com