Intelligence artificielle pourrait être maintenant résoudre des mathématiques avancéeseffectuant raisonnement complexeet même utiliser des ordinateurs personnelsmais les algorithmes d’aujourd’hui pourraient encore apprendre une selected ou deux des vers microscopiques.
IA liquideune startup problem du MIT, dévoilera aujourd’hui plusieurs nouveaux modèles d’IA basés sur un nouveau kind de réseau neuronal « liquide » qui a le potentiel d’être plus efficace, moins gourmand en énergie et plus clear que ceux qui sous-tendent tout, de des chatbots aux générateurs d’photos en passant par les systèmes de reconnaissance faciale.
Les nouveaux modèles de Liquid AI incluent un pour détecter la fraude dans les transactions financières, un autre pour contrôler les voitures autonomes et un troisième pour analyser les données génétiques. La société a vanté les nouveaux modèles, qu’elle octroie sous licence à des sociétés extérieures, lors d’un événement organisé aujourd’hui au MIT. La société a reçu un financement d’investisseurs parmi lesquels Samsung et Shopify, qui testent également sa technologie.
«Nous intensifions nos activités», déclare Ramin Hasanicofondateur et PDG de Liquid AI, qui a co-inventé les réseaux liquides en tant qu’étudiant diplômé au MIT. Les recherches de Hasani se sont inspirées du C. elegansun ver d’un millimètre de lengthy que l’on trouve généralement dans le sol ou dans la végétation en décomposition. Le ver est l’une des rares créatures dont l’intégralité du système nerveux a été cartographiée et il est succesful d’un comportement remarquablement complexe malgré quelques centaines de neurones. «Auparavant, ce n’était qu’un projet scientifique, mais cette technologie est entièrement commercialisée et prête à apporter de la valeur aux entreprises», explique Hasani.
À l’intérieur d’un réseau neuronal régulier, les propriétés de chaque neurone simulé sont définies par une valeur statique ou « poids » qui affecte son déclenchement. Dans un réseau neuronal liquidele comportement de chaque neurone est régi par une équation qui prédit son comportement au fil du temps, et le réseau résout une cascade d’équations liées au fur et à mesure que le réseau fonctionne. La conception rend le réseau plus efficace et plus versatile, lui permettant d’apprendre même après une formation, contrairement à un réseau neuronal conventionnel. Les réseaux de neurones liquides sont également ouverts à l’inspection, contrairement aux modèles existants, automobile leur comportement peut essentiellement être rembobiné pour voir remark ils ont produit un résultat.
En 2020, les chercheurs ont montré qu’un tel réseau avec seulement 19 neurones et 253 synapses, ce qui est remarquablement petit par rapport aux normes modernes, pourrait contrôler une voiture autonome simulée. Alors qu’un réseau neuronal classique ne peut analyser les données visuelles qu’à intervalles statiques, le réseau liquide seize très efficacement la manière dont les informations visuelles évoluent au fil du temps. En 2022, les fondateurs de Liquid AI j’ai trouvé un raccourci cela a rendu le travail mathématique nécessaire aux réseaux de neurones liquides réalisable pour une utilisation pratique.
