Aggiornamento AI: un nuovo algoritmo potrebbe portare a modelli AI più economici, accurati e leggeri

Un gruppo di ricercatori ha risolto un problema fondamentale nell'apprendimento automatico, creando il primo metodo per gestire i dati simmetrici che è garantito essere efficiente sia nel calcolo che nelle esigenze dei dati. La sfida principale è che l'AI può essere facilmente confusa dalla simmetria; ad esempio, potrebbe vedere una molecola ruotata come un oggetto completamente nuovo, invece di riconoscerla come la stessa struttura.

Queste simmetrie sono importanti perché sono una sorta di informazioni che la natura ci sta dicendo sui dati, e dovremmo tenerne conto nei nostri modelli di apprendimento automatico. Ora abbiamo dimostrato che è possibile eseguire l'apprendimento automatico con dati simmetrici in modo efficiente. - Behrooz Tahmasebi, studente laureato del MIT e co-autore principale.

Sebbene alcuni modelli attuali, come le Reti Neurali Grafiche, siano in grado di gestire la simmetria, i ricercatori non hanno compreso appieno perché funzionino così bene. Il team del MIT afferma di aver adottato un approccio diverso: ha progettato un nuovo algoritmo combinando concetti matematici dell'algebra e della geometria per creare un sistema in grado di apprendere in modo efficiente e rispettare la simmetria.

Questo metodo dimostrabilmente efficiente richiede meno campioni di dati per l'addestramento, il che può migliorare l'accuratezza e l'adattabilità di un modello. I ricercatori affermano che il loro lavoro potrebbe portare allo sviluppo di modelli di intelligenza artificiale più potenti e meno dispendiosi in termini di risorse per un'ampia gamma di applicazioni, "dalla scoperta di nuovi materiali, all'identificazione di anomalie astronomiche e al disvelamento di modelli climatici complessi" La ricerca è stata presentata di recente alla Conferenza internazionale sull'apprendimento automatico.