Fisika dapat membantu tantangan utama dalam kecerdasan buatan


Newswise – Penelitian dan aplikasi terkini di bidang kecerdasan buatan (AI) mencakup beberapa tantangan utama. Ini termasuk: (a) Estimasi apriori dari ukuran kumpulan data yang diperlukan untuk mencapai akurasi pengujian yang diinginkan. Misalnya, berapa banyak digit tulisan tangan yang harus dipelajari mesin sebelum dapat memprediksi yang baru dengan tingkat keberhasilan 99%? Demikian pula, berapa banyak jenis keadaan khusus yang harus dipelajari oleh kendaraan otonom sebelum reaksinya tidak menyebabkan kecelakaan? (b) Pencapaian pengambilan keputusan yang andal di bawah sejumlah contoh, di mana setiap contoh hanya dapat dilatih sekali, yaitu diamati hanya untuk waktu yang singkat. Jenis realisasi pengambilan keputusan on-line cepat ini mewakili banyak aspek aktivitas manusia, kontrol robotik, dan optimalisasi jaringan.

Dalam artikel yang diterbitkan hari ini di jurnal Laporan Ilmiah, peneliti menunjukkan bagaimana kedua tantangan ini diselesaikan dengan mengadopsi konsep fisik yang diperkenalkan seabad lalu untuk menggambarkan pembentukan magnet selama proses pendinginan massal besi.

Dengan menggunakan prosedur pengoptimalan yang cermat dan simulasi yang menyeluruh, sekelompok ilmuwan dari Universitas Bar-Ilan telah mendemonstrasikan kegunaan konsep fisik penskalaan hukum kekuasaan untuk pembelajaran yang mendalam. Konsep sentral dalam fisika ini, yang muncul dari berbagai fenomena, termasuk waktu dan besarnya gempa bumi, topologi Internet dan jaringan sosial, fluktuasi harga saham, frekuensi kata dalam linguistik, dan amplitudo sinyal dalam aktivitas otak, juga telah terbukti dapat diterapkan di bidang AI yang terus berkembang, dan terutama pembelajaran mendalam.

“Uji kesalahan dengan pembelajaran online, di mana setiap contoh hanya dilatih sekali, sangat sesuai dengan algoritme canggih yang terdiri dari sejumlah besar zaman, di mana setiap contoh dilatih berkali-kali. Hasil ini memiliki peran penting implikasinya pada pengambilan keputusan yang cepat seperti kontrol robotik, “kata Prof Ido Kanter, dari Departemen Fisika Bar-Ilan dan Pusat Penelitian Otak Multidisiplin Gonda (Goldshmied), yang memimpin penelitian tersebut. “Power-law scaling, yang mengatur aturan dinamis dan arsitektur jaringan yang berbeda, memungkinkan klasifikasi dan pembuatan hierarki di antara klasifikasi berbeda yang diperiksa atau masalah keputusan,” tambahnya.

“Salah satu unsur penting dari algoritma pembelajaran mendalam yang canggih adalah jembatan baru baru-baru ini antara ilmu saraf eksperimental dan algoritma pembelajaran kecerdasan buatan tingkat lanjut,” kata mahasiswa PhD Shira Sardi, salah satu penulis studi tersebut. Jenis percobaan baru kami pada kultur neuronal menunjukkan bahwa peningkatan frekuensi pelatihan memungkinkan kami untuk secara signifikan mempercepat proses adaptasi neuronal. “Mekanisme yang diilhami oleh otak yang dipercepat ini memungkinkan pembangunan algoritme pembelajaran mendalam tingkat lanjut yang mengungguli yang sudah ada,” kata mahasiswa PhD Yuval Meir, rekan penulis lainnya.

Jembatan yang direkonstruksi dari fisika dan ilmu saraf eksperimental ke pembelajaran mesin diharapkan dapat memajukan kecerdasan buatan dan terutama pengambilan keputusan yang sangat cepat di bawah contoh pelatihan terbatas untuk berkontribusi pada pembentukan kerangka teoritis bidang pembelajaran yang dalam.

###


Diposting Oleh : https://singaporeprize.co/

About the author