Las redes neuronales artificiales son un método que utiliza la inteligencia artificial para simular cómo funciona el cerebro humano. Una red neuronal “aprende” de la entrada de conjuntos de datos y produce un pronóstico basado en los datos disponibles.
Pero ahora, los investigadores del Laboratorio de Ciencias de la Computación e Inteligencia Artificial del MIT (MIT CSAIL) encontraron un método más rápido para resolver una ecuación que se emplea en los algoritmos para neuronas neuronales “líquidas”, según un informe de Ingenieria interesante.
Neuronas neuronales líquidas
Investigadores del MIT crearon neuronas neuronales líquidas el año pasado, inspirándose en los cerebros de especies microscópicas.
Se describe como “líquido” ya que el algoritmo puede modificar las ecuaciones en respuesta a información nueva, lo que le permite adaptarse a los cambios encontrados en los sistemas del mundo real.
Los investigadores que desarrollaron las neuronas líquidas han encontrado una técnica para simplificar las ecuaciones diferenciales que subyacen a la interacción de dos neuronas a través de sinapsis.
Las ecuaciones diferenciales permiten calcular el estado del mundo o de un fenómeno a lo largo del tiempo a medida que se desarrolla paso a paso en lugar de hacerlo de principio a fin, como señala Interesting Engineering.
Esto les dio acceso a una nueva clase de algoritmos de inteligencia artificial más rápidos. Dado que son adaptables y comprensibles, los modos tienen cualidades similares a las redes neuronales líquidas, pero lo que los hace novedosos es lo rápidos y escalables que son.
La red neuronal líquida es un tipo de red neuronal de vanguardia que puede cambiar su comportamiento después de revisar los datos de entrada. El equipo de investigación descubrió que los modelos eran costosos como resultado de la gran cantidad de sinapsis y neuronas que se requerían para abordar los problemas matemáticos de los algoritmos.
La magnitud de las ecuaciones hizo que los problemas matemáticos fueran más difíciles de resolver, y con frecuencia se requerían numerosos pasos informáticos para llegar a una solución y obtener una respuesta.
Forma cerrada Tiempo continuo
La red neuronal de “tiempo continuo de forma cerrada” (CfC) es el nombre de la nueva red. Según el equipo, en términos de hacer predicciones y finalizar tareas, ha superado otras formas de redes neuronales artificiales.
También funciona más rápido y con mayor precisión al identificar actividades humanas a partir de sensores de movimiento, simular la dinámica física de un robot andador y otras tareas.
Cuando se tomaron muestras de 8.000 pacientes para realizar predicciones médicas, los nuevos prototipos superaron a sus equivalentes en 220 veces.
El equipo afirma que hay pruebas de que los modelos CfC “líquidos” pueden adquirir actividades en un entorno y luego transferir esas habilidades y capacidades, sin formación adicional, a otro completamente diferente.
Para manejar problemas mayores, esto implicaría la creación de redes neuronales a una escala más amplia. Este marco debería servir como paso fundamental para futuros sistemas de inteligencia, ya que puede ayudar en la resolución de tareas de aprendizaje automático más desafiantes, mejorando el aprendizaje de representación, según el equipo.
Los investigadores creen que al acelerar el proceso de producción, los sistemas comerciales y de defensa de seguridad algún día podrán beneficiarse de la eficiencia computacional.
ⓒ 2023 . .
