Nový model umělé inteligence inspirovaný neuronovou dynamikou mozku

Výzkumníci z Laboratoře pro informatiku a umělou inteligenci (CSAIL) na MIT vyvinuli nový model umělé inteligence inspirovaný neuronovými oscilacemi v mozku. Cílem je významně zlepšit způsob, jakým algoritmy strojového učení zpracovávají dlouhé datové sekvence.

Umělá inteligence často bojuje s analýzou komplexních informací, které se odvíjejí v dlouhých časových úsecích, jako jsou klimatické trendy, biologické signály nebo finanční data. Jeden nový typ modelu AI, zvaný "modely stavového prostoru", byl navržen speciálně k efektivnějšímu pochopení těchto sekvenčních vzorů. Existující modely stavového prostoru však často čelí problémům – mohou se stát nestabilními nebo vyžadovat značné výpočetní zdroje při zpracování dlouhých datových sekvencí.

Aby se vyřešily tyto problémy, výzkumníci CSAIL T. Konstantin Rusch a Daniela Rus vyvinuli to, co nazývají „lineární oscilační modely stavového prostoru“ (LinOSS), které využívají principy vynucených harmonických oscilátorů – koncept hluboce zakořeněný ve fyzice a pozorovaný v biologických nervových sítích. Tento přístup poskytuje stabilní, expresivní a výpočetně efektivní predikce bez příliš restriktivních podmínek pro parametry modelu.

"Naším cílem bylo zachytit stabilitu a efektivitu pozorovanou v biologických nervových systémech a přenést tyto principy do rámce strojového učení," vysvětluje Rusch. "S LinOSS nyní můžeme spolehlivě učit dlouhodobé interakce, a to i v sekvencích zahrnujících stovky tisíc datových bodů nebo více."

Model LinOSS je unikátní v tom, že zajišťuje stabilní predikci tím, že vyžaduje mnohem méně restriktivní volby návrhu než předchozí metody. Navíc výzkumníci rigorózně prokázali univerzální aproximační schopnost modelu, což znamená, že může aproximovat libovolnou spojitou, kauzální funkci vztahující vstupní a výstupní sekvence.

Empirické testování ukázalo, že LinOSS konzistentně překonával existující špičkové modely v různých náročných úlohách klasifikace a predikce sekvencí. LinOSS překonal široce používaný model Mamba téměř dvakrát v úlohách zahrnujících sekvence extrémní délky.

Výzkum byl oceněn za svůj význam a byl vybrán pro ústní prezentaci na ICLR 2025 – čest udělená pouze nejlepším 1 % zaslaných prací. Výzkumníci z MIT očekávají, že model LinOSS by mohl významně ovlivnit všechna odvětví, která by těží z přesných a efektivních dlouhodobých predikcí a klasifikace, včetně analýzy zdravotní péče, klimatologie, autonomního řízení a finančních prognóz.

"Tato práce ukazuje, jak matematická přesnost může vést k průlomům v oblasti výkonu a širokým aplikacím," říká Rus. "S LinOSS poskytujeme vědecké komunitě mocný nástroj pro pochopení a předpovídání komplexních systémů, čímž se propojuje biologická inspirace a výpočetní inovace."

Tým si představuje, že vznik nového paradigmatu, jako je LinOSS, bude pro odborníky na strojové učení zajímavý pro další rozvoj. V budoucnu plánují výzkumníci aplikovat svůj model na ještě širší škálu různých datových modalit. Navíc naznačují, že LinOSS by mohl poskytnout cenné poznatky v neurovědě, což by mohlo prohloubit naše chápání samotného mozku.

Jejich práce byla podpořena Švýcarským národním vědeckým fondem, programem Schmidt AI2050 a americkým Ministerstvem letectva – akcelerátorem umělé inteligence.