Liquid AI đang Tái Thiết Kế Hệ Thống Mạng Neuron #AI #LiquidAI #TáiThiếtKế #MạngNeuron
Trí tuệ nhân tạo hiện có thể đang giải quyết các vấn đề toán học phức tạp, thực hiện lý do phức tạp và thậm chí sử dụng máy tính cá nhân, nhưng các thuật toán hiện tại vẫn có thể học thêm một vài điều từ các loài giun vi mô.
Liquid AI, một công ty khởi nghiệp được phát triển từ MIT, sẽ tiết lộ một số mô hình AI mới dựa trên một loại mạng neuron “lỏng” độc đáo có tiềm năng hiệu quả hơn, tiêu tốn ít năng lượng hơn và minh bạch hơn so với những mô hình đang là cơ sở của mọi thứ từ chatbot đến máy tạo hình ảnh đến hệ thống nhận diện khuôn mặt.
Các mô hình mới của Liquid AI bao gồm một mô hình để phát hiện gian lận trong các giao dịch tài chính, một mô hình để điều khiển xe tự lái và một mô hình khác để phân tích dữ liệu gen. Công ty đã quảng bá những mô hình mới này tại sự kiện được tổ chức tại MIT hôm nay. Công ty đã nhận được đầu tư từ các nhà đầu tư bao gồm Samsung và Shopify, cả hai đều đang thử nghiệm công nghệ của nó.
“Chúng tôi đang mở rộng,” nói Ramin Hasani, đồng sáng lập và Giám đốc điều hành của Liquid AI, người đã cùng nhau phát minh ra mạng lỏng khi còn là sinh viên sau đại học tại MIT. Nghiên cứu của Hasani lấy cảm hứng từ giun vi mô C. elegans, một con giun millimeter thường được tìm thấy trong đất hoặc thực vật thối. Con giun này là một trong số ít những sinh vật có toàn bộ hệ thần kinh của nó được ánh xạ một cách toàn diện, và nó có khả năng hành vi phức tạp đột phá mặc dù chỉ có vài trăm neuron. “Đây từng chỉ là một dự án khoa học, nhưng công nghệ này đã được thương mại hóa hoàn toàn và hoàn toàn sẵn sàng mang lại giá trị cho doanh nghiệp,” Hasani nói.
Bên trong một mạng neuron thông thường, các thuộc tính của mỗi neuron mô phỏng được định nghĩa bởi một giá trị tĩnh hoặc “trọng lượng” ảnh hưởng đến việc bắn của nó. Trong một mạng neuron lỏng, hành vi của mỗi neuron được điều chỉnh bởi một phương trình dự đoán hành vi của nó theo thời gian, và mạng giải quyết một chuỗi các phương trình liên kết khi mạng hoạt động. Thiết kế này làm cho mạng trở nên hiệu quả và linh hoạt hơn, cho phép nó học thậm chí sau khi đào tạo, khác với một mạng neuron thông thường. Mạng neuron lỏng cũng mở cửa kiểm tra một cách dễ dàng hơn so với các mô hình hiện tại, vì hành vi của nó về cơ bản có thể được quay lại để xem nó đã tạo ra đầu ra thế nào.
Vào năm 2020, các nhà nghiên cứu đã chỉ ra rằng một mạng với chỉ 19 neuron và 253 synapse, một kích thước rất nhỏ theo tiêu chuẩn hiện đại, có thể điều khiển một chiếc xe tự lái mô phỏng. Trong khi một mạng neuron thông thường chỉ có thể phân tích dữ liệu thị giác ở các khoảng thời gian tĩnh, mạng lỏng có thể ghi lại cách thức thông tin thị giác thay đổi theo thời gian rất hiệu quả. Vào năm 2022, các nhà sáng lập Liquid AI đã tìm ra một con đường tắt giúp giảm công việc toán học cần thiết cho các mạng neuron lỏng trở nên khả thi để sử dụng trong thực tế.
Nguồn: https://www.wired.com/story/liquid-ai-redesigning-neural-network/
Artificial intelligence might now be solving advanced math, performing complex reasoning, and even using personal computers, but today’s algorithms could still learn a thing or two from microscopic worms.
Liquid AI, a startup spun out of MIT, will today reveal several new AI models based on a novel type of “liquid” neural network that has the potential to be more efficient, less power-hungry, and more transparent than the ones that underpin everything from chatbots to image generators to facial recognition systems.
Liquid AI’s new models include one for detecting fraud in financial transactions, another for controlling self-driving cars, and a third for analyzing genetic data. The company touted the new models, which it is licensing to outside companies, at an event held at MIT today. The company has received funding from investors that include Samsung and Shopify, both of which are also testing its technology.
“We are scaling up,” says Ramin Hasani, cofounder and CEO of Liquid AI, who co-invented liquid networks as a graduate student at MIT. Hasani’s research drew inspiration from the C. elegans, a millimeter-long worm typically found in soil or rotting vegetation. The worm is one of the few creatures to have had its nervous system mapped in its entirety, and it is capable of remarkably complex behavior despite having just a few hundred neurons. “It was once just a science project, but this technology is fully commercialized and fully ready to bring value for enterprises,” Hasani says.
Inside a regular neural network, the properties of each simulated neuron are defined by a static value or “weight” that affects its firing. Within a liquid neural network, the behavior of each neuron is governed by an equation that predicts its behavior over time, and the network solves a cascade of linked equations as the network functions. The design makes the network more efficient and more flexible, allowing it to learn even after training, unlike a conventional neural network. Liquid neural networks are also open to inspection in a way that existing models are not, because their behavior can essentially be rewound to see how it produced an output.
In 2020, the researchers showed that such a network with only 19 neurons and 253 synapses, which is remarkably small by modern standards, could control a simulated self-driving car. While a regular neural network can analyze visual data only at static intervals, the liquid network captures the way visual information changes over time very efficiently. In 2022, Liquid AI’s founders figured out a shortcut that made the mathematical labor needed for liquid neural networks feasible for practical use.
[ad_2]
