Az MIT kutatói óriási áttörést értek el, ami mindent megváltoztathat az AI szolgáltatások és technológiák területén.
Az MIT kutatói bejelentették, hogy kifejlesztették az első bizonyíthatóan hatékony algoritmust, amely képes a mesterséges intelligenciát (MI) megtanítani az adatokban rejlő szimmetria felismerésére és kezelésére. Ez a felfedezés új utakat nyithat a pontosabb és erőforrás-hatékonyabb tudományos modellek előtt.
A gépi tanulás egyik régóta fennálló problémája, hogy a modellek gyakran félreértik a szimmetriát. Például egy molekula elforgatott ábráját sokszor teljesen új objektumként azonosítják, ahelyett hogy felismernék: ugyanarról a szerkezetről van szó. Az ilyen szimmetriák azonban kulcsfontosságú információkat hordoznak a természetről, ezért figyelembevételük elengedhetetlen a hatékony tanulási folyamatban.
„Most megmutattuk, hogy szimmetrikus adatokkal hatékonyan lehet gépi tanulást végezni” – mondta Behrooz Tahmasebi, az MIT végzős hallgatója és a tanulmány társszerzője.
Míg a jelenlegi technológiák, például a gráf neurális hálózatok, bizonyos szintig képesek kezelni a szimmetriát, a kutatók eddig nem értették teljesen, miért működnek ezek a módszerek ilyen jól. Az MIT csapata új utat választott: egy olyan algoritmust dolgoztak ki, amely az algebra és a geometria fogalmainak ötvözésével garantáltan hatékonyan kezeli a szimmetriát.
Az új módszer kevesebb adatot igényel a modellek betanításához, ami nemcsak növeli a pontosságot, hanem csökkenti a számítási igényeket is. A kutatók szerint eredményük hozzájárulhat olyan MI-modellek fejlesztéséhez, amelyek széles körű alkalmazásokban nyújtanak előnyt: az új anyagok felfedezésétől kezdve a csillagászati anomáliák azonosításán át egészen az éghajlati mintázatok pontosabb megértéséig.
A kutatás eredményeit a Gépi Tanulás Nemzetközi Konferenciáján mutatták be.
