Harry Cohen Tanugi

Le MIT révèle un nouveau type d'algorithme d'IA plus rapide pour résoudre des équations complexes

"Les nouveaux modèles d'apprentissage automatique que nous appelons 'CfC' remplacent l'équation différentielle
l'équation différentielle définissant le calcul du neurone par une forme fermée d'approximation.
fermée, préservant ainsi les belles propriétés des réseaux liquides sans avoir besoin
sans avoir recours à l'intégration numérique", a déclaré Daniela Rus, auteur principal de la nouvelle étude, professeur au MIT et responsable de la recherche sur les réseaux liquides.
nouvelle étude, professeur au MIT et directrice du MIT CSAIL.

L'équation

Afin de développer l'état naturel du temps qui passe à l'intérieur de
l'équation différentielle, et pour comprendre le comportement passé et futur, l'équipe de
l'équipe de recherche a utilisé une solution "en forme fermée" qui modélise la description d'un système
système dans son intégralité.

En utilisant cette
approche, l'équipe pouvait calculer l'équation à tout moment dans le futur ou le
passé, et à un rythme plus rapide qu'avec d'autres équations. Avec le nouveau modèle, le
taux est beaucoup plus rapide car il ne nécessite pas de calculs étape par étape, comme
dans les calculs habituels d'équations différentielles.

Exemple du nouveau calcul

La flexibilité des réseaux neuronaux "liquides" pourrait être utilisée
pour de nombreuses tâches, notamment la prévision météorologique, la surveillance des cœurs et la
et la conduite autonome de voitures. Les chercheurs ont utilisé l'exemple d'un réseau neuronal de bout en bout qui
reçoit les données de conduite d'une caméra montée sur une voiture. Le réseau est entraîné
pour créer des sorties, par exemple l'angle de braquage de la voiture.

L'équipe a utilisé des réseaux neuronaux liquides
réseaux neuronaux liquides avec 19 nœuds - point de connexion des neurones artificiels - en plus d'un petit module de perception pour piloter la voiture.
plus d'un petit module de perception pour conduire la voiture. Une équation différentielle
décrivait chaque nœud du système. En utilisant la solution à forme fermée, elle
pourrait donner le comportement exact puisqu'elle a une bonne estimation de la dynamique réelle du système.
dynamique réelle du système.

Les chercheurs peuvent résoudre le problème avec un
nombre inférieur de neurones, ce qui permet de résoudre le problème plus rapidement et d'obtenir des
résultats plus rentables. Par conséquent, les voitures peuvent être entraînées à la conduite autonome à l'aide de données d'entrée et d'un réseau neuronal liquide.
et un réseau neuronal liquide, et ce, plus rapidement. Les modèles peuvent également recevoir
Les modèles peuvent également recevoir des données au fur et à mesure que les événements se produisent, ce qui pourrait être utilisé pour la classification et le contrôle d'une voiture.
contrôler une voiture.

Le MIT révèle un nouveau type d'algorithme d'IA plus rapide pour résoudre une équation complexe.

Des voitures autonomes sur la route.

La nouvelle façon de résoudre l'équation peut faire progresser à la fois les systèmes intelligents naturels
et les systèmes intelligents artificiels. "Lorsque nous aurons une description en forme fermée des
communication des neurones et des synapses, nous pourrons construire des modèles informatiques de
cerveau avec des milliards de cellules, ce qui n'est pas possible aujourd'hui en raison de la
la complexité informatique élevée des modèles neuroscientifiques", a déclaré le Dr Hasani à propos de ce nouvel article.
à propos de ce nouvel article. "L'équation à forme fermée pourrait faciliter ces simulations de haut niveau.
L'équation à forme fermée pourrait faciliter ces simulations de haut niveau et ouvre donc de nouvelles voies de recherche pour nous permettre de comprendre l'intelligence.
comprendre l'intelligence"

[SOURCE]

menu