科学＆テクノロジー

リキッド AI はニューラル ネットワークを再設計しています

人工知能 今はそうかもしれない 高度な数学を解く、出演 複雑な推論、さらには パーソナルコンピュータを使用する、しかし、今日のアルゴリズムはまだ微視的なワームから何かを学ぶことができます。リキッドAIMIT からスピンアウトした新興企業である は本日、新しいタイプの「液体」ニューラル ネットワークに基づくいくつかの新しい AI モデルを発表します。このニューラル ネットワークは、あらゆるものを支えるものよりも効率的で、消費電力が少なく、透明性が高い可能性があります。チャットボットから画像ジェネレーター、顔認識システムまで。Liquid AI の新しいモデルには、金融取引における不正行為を検出するためのモデル、自動運転車を制御するためのモデル、そして遺伝子データを分析するためのモデルが含まれています。同社は本日MITで開催されたイベントで、外部企業にライセンス供与している新モデルを宣伝した。同社はSamsungやShopifyなどの投資家から資金提供を受けており、両社とも同社の技術をテストしている。「私たちは規模を拡大しています」と彼は言います ラミン・ハサニ、Liquid AI の共同創設者兼 CEO であり、MIT の大学院生としてリキッド ネットワークを共同発明しました。ハサニの研究は以下からインスピレーションを得ました。 線虫、通常は土壌や腐った植物の中で見られるミリメートルの長さの虫です。この線虫は、神経系全体がマッピングされている数少ない生物の 1 つであり、わずか数百個のニューロンにもかかわらず、非常に複雑な行動が可能です。 「かつては単なる科学プロジェクトでしたが、このテクノロジーは完全に商業化されており、企業に価値をもたらす準備が完全に整っています」とハサニ氏は言います。通常のニューラル ネットワーク内では、シミュレートされた各ニューロンのプロパティは、その発火に影響を与える静的な値または「重み」によって定義されます。内で 液体ニューラルネットワーク、各ニューロンの動作は、時間の経過とともにその動作を予測する方程式によって支配され、ネットワークはネットワーク関数としてリンクされた方程式のカスケードを解きます。この設計により、ネットワークはより効率的かつ柔軟になり、従来のニューラル ネットワークとは異なり、トレーニング後でも学習できるようになります。リキッド ニューラル ネットワークは、基本的に動作を巻き戻して出力をどのように生成したかを確認できるため、既存のモデルとは異なる方法で検査することもできます。2020年、研究者らは、現代の基準からすると著しく小さい、わずか19個のニューロンと253個のシナプスを備えたこのようなネットワークで、模擬自動運転車を制御できることを示した。通常のニューラル ネットワークは静的な間隔でのみ視覚データを分析できますが、リキッド ネットワークは時間の経過とともに視覚情報が変化する様子を非常に効率的に捕捉します。 2022 年、Liquid AI の創設者たちは ショートカットを考え出した これにより、液体ニューラル ネットワークに必要な数学的労力が実用化可能になりました。…