Un team internazionale di scienziati della Eindhoven University of Technology, Università del Texas ad Austin, e Università di Derby, ha sviluppato un metodo rivoluzionario che accelera quadraticamente gli algoritmi di addestramento dell'intelligenza artificiale (AI). Ciò offre la piena capacità di intelligenza artificiale a computer economici, e renderebbe possibile in uno o due anni ai supercomputer di utilizzare reti neurali artificiali che superano quadraticamente le possibilità delle reti neurali artificiali odierne. Gli scienziati hanno presentato il loro metodo il 19 giugno sulla rivista Comunicazioni sulla natura .

Le reti neurali artificiali (o ANN) sono al centro della rivoluzione dell'IA che sta plasmando ogni aspetto della società e della tecnologia. Ma le ANN che siamo stati in grado di gestire finora non sono affatto vicine alla risoluzione di problemi molto complessi. I supercomputer più recenti avrebbero difficoltà con una rete di 16 milioni di neuroni (appena delle dimensioni di un cervello di rana), mentre ci vorrebbe più di una dozzina di giorni per un potente computer desktop per addestrare solo 100, rete di 000 neuroni.

Medicina personalizzata

Il metodo proposto, soprannominato Allenamento evolutivo sparso (SET), prende ispirazione dalle reti biologiche e in particolare dalle reti neurali che devono la loro efficienza a tre semplici caratteristiche:le reti hanno relativamente poche connessioni (sparsità), pochi hub (scale-freeness) e percorsi brevi (small-worldness). Il lavoro riportato in Comunicazioni sulla natura dimostra i vantaggi dell'abbandono delle ANN completamente connesse (come avviene nell'IA comune), introducendo una nuova procedura di addestramento che parte da un casuale, rete sparsa e si evolve in modo iterativo in un sistema senza scalabilità. Ad ogni passo, i collegamenti più deboli vengono eliminati e vengono aggiunti nuovi collegamenti in modo casuale, in modo simile a un processo biologico noto come restringimento sinaptico.

Il sorprendente effetto di accelerazione di questo metodo ha un significato enorme, in quanto consentirà l'applicazione dell'IA a problemi attualmente non trattabili a causa del vasto numero di parametri. Gli esempi includono medicina personalizzata a prezzi accessibili e sistemi complessi. Nel complesso, ambienti in rapida evoluzione come reti intelligenti e sistemi sociali, dove è richiesta una frequente riqualificazione al volo di una ANN, sono essenziali miglioramenti nella velocità di apprendimento (senza compromettere la precisione). Inoltre, perché tale formazione può essere ottenuta con risorse di calcolo limitate, il metodo SET proposto sarà preferito per le intelligenze integrate dei molti dispositivi distribuiti collegati a un sistema più grande.

cervello di rana

Così, concretamente, con SET ogni utente può costruire sul proprio laptop una rete neurale artificiale fino a 1 milione di neuroni, mentre con i metodi all'avanguardia questo era riservato solo ai costosi cloud di elaborazione. Questo non significa che le nuvole non siano più utili. Loro sono. Immagina cosa puoi costruire su di loro con SET. Attualmente le più grandi reti neurali artificiali, costruito su supercomputer, hanno le dimensioni di un cervello di rana (circa 16 milioni di neuroni). Dopo aver superato alcune sfide tecniche, con SET, possiamo costruire sugli stessi supercomputer reti neurali artificiali vicine alla dimensione del cervello umano (circa 80 miliardi di neuroni).

L'autore principale Dr. Decebal Mocanu:"E, sì, abbiamo bisogno di reti così grandi. È stato mostrato, Per esempio, che le reti neurali artificiali sono utili per rilevare il cancro dai geni umani. Però, i cromosomi completi sono troppo grandi per adattarsi a reti neurali artificiali all'avanguardia, ma potrebbero inserirsi in una rete di 80 miliardi di neuroni. Questo fatto può ipoteticamente portare a una migliore assistenza sanitaria e a una medicina personalizzata a prezzi accessibili per tutti noi".