一级免费视频,亚洲成a人v欧美综合天

人工智能自動(dòng)駕駛飛躍 MIT解決世紀(jì)微分方程

來(lái)源：中關(guān)村在線　2022-11-17 07:46:22

【資料圖】

去年，麻省理工學(xué)院開(kāi)發(fā)了一種人工智能/ML算法，能夠在工作中學(xué)習(xí)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(jiǎn)直就是在下4D棋--它們的模型需要時(shí)間序列數(shù)據(jù)來(lái)運(yùn)行--這使它們成為用于時(shí)間敏感任務(wù)的理想選擇，如心臟起搏器監(jiān)測(cè)、天氣預(yù)報(bào)、投資預(yù)測(cè)或自主車(chē)輛導(dǎo)航。但是，問(wèn)題是，數(shù)據(jù)吞吐量已經(jīng)成為一個(gè)瓶頸，從計(jì)算上來(lái)說(shuō)，擴(kuò)展這些系統(tǒng)已經(jīng)變得非常昂貴。

周二，麻省理工學(xué)院的研究人員宣布，他們已經(jīng)為這一限制設(shè)計(jì)了一個(gè)解決方案，不是通過(guò)拓寬數(shù)據(jù)管道，而是通過(guò)解決一個(gè)自1907年以來(lái)一直困擾數(shù)學(xué)家的微分方程。具體來(lái)說(shuō)，該團(tuán)隊(duì)解決了 "兩個(gè)神經(jīng)元通過(guò)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(xué)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(shuō)："我們稱之為"CfC"[閉式連續(xù)時(shí)間]的新機(jī)器學(xué)習(xí)模型用閉式近似代替了定義神經(jīng)元計(jì)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(jìn)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(cè)。它們?yōu)榘踩P(guān)鍵型應(yīng)用開(kāi)辟了值得信賴的機(jī)器學(xué)習(xí)之路"。

因此，對(duì)于我們這些沒(méi)有真正的硬數(shù)學(xué)博士學(xué)位的人來(lái)說(shuō)，微分方程是可以描述一個(gè)系統(tǒng)在整個(gè)過(guò)程中各個(gè)離散點(diǎn)或步驟的狀態(tài)的公式。例如，如果你有一個(gè)機(jī)器人手臂從A點(diǎn)移動(dòng)到B點(diǎn)，你可以使用微分方程來(lái)知道它在整個(gè)過(guò)程中的任何給定步驟中處于空間的兩點(diǎn)之間。然而，為每一步解決這些方程很快也會(huì)變得計(jì)算昂貴。麻省理工學(xué)院的 "封閉式 "解決方案通過(guò)在單一計(jì)算步驟中對(duì)系統(tǒng)的整個(gè)描述進(jìn)行功能建模來(lái)解決這個(gè)問(wèn)題。麻省理工學(xué)院的團(tuán)隊(duì)解釋說(shuō)。

想象一下，如果你有一個(gè)端到端的神經(jīng)網(wǎng)絡(luò)，從安裝在汽車(chē)上的攝像頭接收駕駛輸入。該網(wǎng)絡(luò)被訓(xùn)練來(lái)產(chǎn)生輸出，如汽車(chē)的轉(zhuǎn)向角。2020年，該團(tuán)隊(duì)通過(guò)使用具有19個(gè)節(jié)點(diǎn)的液體神經(jīng)網(wǎng)絡(luò)來(lái)解決這個(gè)問(wèn)題，因此19個(gè)神經(jīng)元加上一個(gè)小型感知模塊可以驅(qū)動(dòng)一輛汽車(chē)。一個(gè)微分方程描述了該系統(tǒng)的每個(gè)節(jié)點(diǎn)。有了閉合式解決方案，如果你在這個(gè)網(wǎng)絡(luò)里面替換它，它就會(huì)給你準(zhǔn)確的行為，因?yàn)樗窍到y(tǒng)實(shí)際動(dòng)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(lái)解決這個(gè)問(wèn)題，這意味著它將更快，計(jì)算成本更低。

通過(guò)在神經(jīng)元水平上解決這個(gè)方程，該團(tuán)隊(duì)希望他們能夠構(gòu)建以數(shù)百萬(wàn)神經(jīng)連接為單位的人腦模型，這在今天是不可能的。該團(tuán)隊(duì)還指出，這種CfC模型可能能夠?qū)⑺谝粋€(gè)環(huán)境中學(xué)習(xí)到的視覺(jué)訓(xùn)練應(yīng)用到一個(gè)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(lái)的通用人工智能系統(tǒng)邁出的重要一步。

推薦DIY文章