人工智能自動駕駛飛躍 MIT解決世紀微分方程

【資料圖】

去年，麻省理工學院開發(fā)了一種人工智能/ML算法，能夠在工作中學習和適應(yīng)新的信息，而不僅僅是在其最初的訓(xùn)練階段。這些 "液體 "神經(jīng)網(wǎng)絡(luò)（在李小龍的意義上）簡直就是在下4D棋--它們的模型需要時間序列數(shù)據(jù)來運行--這使它們成為用于時間敏感任務(wù)的理想選擇，如心臟起搏器監(jiān)測、天氣預(yù)報、投資預(yù)測或自主車輛導(dǎo)航。但是，問題是，數(shù)據(jù)吞吐量已經(jīng)成為一個瓶頸，從計算上來說，擴展這些系統(tǒng)已經(jīng)變得非常昂貴。

周二，麻省理工學院的研究人員宣布，他們已經(jīng)為這一限制設(shè)計了一個解決方案，不是通過拓寬數(shù)據(jù)管道，而是通過解決一個自1907年以來一直困擾數(shù)學家的微分方程。具體來說，該團隊解決了 "兩個神經(jīng)元通過突觸相互作用背后的微分方程......以解鎖一種新型的快速和高效的人工智能算法。"

"麻省理工學院教授和CSAIL主任丹妮拉-魯斯（Daniela Rus）在周二的一份新聞聲明中說："我們稱之為"CfC"[閉式連續(xù)時間]的新機器學習模型用閉式近似代替了定義神經(jīng)元計算的微分方程，保留了液體網(wǎng)絡(luò)的美麗特性，而不需要進行數(shù)字整合。"CfC模型是有因果關(guān)系的，緊湊的，可解釋的，并能有效地訓(xùn)練和預(yù)測。它們?yōu)榘踩P(guān)鍵型應(yīng)用開辟了值得信賴的機器學習之路"。

因此，對于我們這些沒有真正的硬數(shù)學博士學位的人來說，微分方程是可以描述一個系統(tǒng)在整個過程中各個離散點或步驟的狀態(tài)的公式。例如，如果你有一個機器人手臂從A點移動到B點，你可以使用微分方程來知道它在整個過程中的任何給定步驟中處于空間的兩點之間。然而，為每一步解決這些方程很快也會變得計算昂貴。麻省理工學院的 "封閉式 "解決方案通過在單一計算步驟中對系統(tǒng)的整個描述進行功能建模來解決這個問題。麻省理工學院的團隊解釋說。

想象一下，如果你有一個端到端的神經(jīng)網(wǎng)絡(luò)，從安裝在汽車上的攝像頭接收駕駛輸入。該網(wǎng)絡(luò)被訓(xùn)練來產(chǎn)生輸出，如汽車的轉(zhuǎn)向角。2020年，該團隊通過使用具有19個節(jié)點的液體神經(jīng)網(wǎng)絡(luò)來解決這個問題，因此19個神經(jīng)元加上一個小型感知模塊可以驅(qū)動一輛汽車。一個微分方程描述了該系統(tǒng)的每個節(jié)點。有了閉合式解決方案，如果你在這個網(wǎng)絡(luò)里面替換它，它就會給你準確的行為，因為它是系統(tǒng)實際動態(tài)的良好近似。因此，他們可以用更少的神經(jīng)元數(shù)量來解決這個問題，這意味著它將更快，計算成本更低。

通過在神經(jīng)元水平上解決這個方程，該團隊希望他們能夠構(gòu)建以數(shù)百萬神經(jīng)連接為單位的人腦模型，這在今天是不可能的。該團隊還指出，這種CfC模型可能能夠?qū)⑺谝粋€環(huán)境中學習到的視覺訓(xùn)練應(yīng)用到一個全新的環(huán)境中，而不需要額外的工作，這就是所謂的分布外泛化。這不是目前的模型所能做到的，這將被證明是向未來的通用人工智能系統(tǒng)邁出的重要一步。

推薦DIY文章

制氧機弱爆了 家用高壓氧艙558000元-天天即時看

回鍋肉 梵想1T固態(tài)292元-百事通

11.11囤貨后遺癥 別忘了申請保價服務(wù)

限時優(yōu)惠 飛利浦 SPA520S麥克風版本 僅售219元

HIFI影院低音炮 京東京造JZ-S01桌面電腦音響秒殺僅需169元

防蹭網(wǎng)設(shè)計！無線穿墻路由器僅售59.9元-天天快播