Передбачатиме глобальні зміни клімату: новий метод навчання ШІ дозволить зрозуміти хаотичні процеси

Технології 13:30 - 06 жовтня 2022

За допомогою резервуарних обчислень штучному інтелекту буде під силу прогнозувати такі хаотичні процеси, як глобальна зміна клімату

Нова модель машинного навчання дозволить прогнозувати поведінку хаотичних систем

Нова модель навчання штучного інтелекту дозволить передбачати складні хаотичні процеси/Фото: Andrea Verdelli/Getty Imaged

Величезні можливості систем штучного інтелекту з обробки даних дозволяють передбачати поведінку складних хаотичних систем. Новий алгоритм навчання ШІ дозволяє нейромережам значно швидше обробляти й систематизувати все різноманітніші групи даних.

Деталі

Наступне покоління моделей навчання штучного інтелекту за допомогою методу резервуарних обчислень використовує більш динамічний і швидкий підхід до машинного навчання. Новий алгоритм покращує прогнозування складних фізичних процесів, таких як глобальний прогноз погоди.

Обчислення цих процесів, відомих як просторово-часові хаотичні системи, тепер можна виконати за мінімум часу, з більшою точністю, використовуючи менше обчислювальних ресурсів і базуючись на меншій кількості навчальних даних. Фізик з Університету штату Огайо Вендсон де са Барбоза зазначає:

Це дуже захопливо, оскільки ми вважаємо, що це значний прогрес у плані ефективності обробки даних і точності прогнозів у сфері машинного навчання.

Машинне навчання — це комп’ютерні алгоритми, які використовують процес пізнання для прогнозування (наприклад, погодних умов у майбутньому) на основі великих архівів даних (наприклад, попередніх погодних умов).

Підхід резервуарних обчислень намагається більш точно імітувати людський мозок, подаючи інформацію в "резервуар" випадково з’єднаних штучних нейронів як засіб виявлення корисних моделей. Потім результати використовуються для інформування про майбутні цикли навчання.

Фото:  Possessed Photography/Unsplash

З часом ці системи стали більш оптимізованими та ефективними. Одне нововведення в машинному навчанні дозволило паралельно створювати різні компоненти прогнозної моделі. Використання такої архітектури з новітніми резервуарними обчислювальними технологіями дозволяє алгоритмам виявляти потенційну симетрію в хаотичному безладі інформації.

Дослідники перевірили свій новий підхід на моделі атмосферної погоди. Використовуючи звичайний ноутбук із програмним забезпеченням Windows, вони змогли зробити прогнози за частки секунди.Раніше для такого знадобився б суперкомп'ютер. У цьому конкретному випадку обчислення були зроблені у 240 000 разів швидше, ніж за допомогою традиційних алгоритмів.

Алгоритми машинного навчання можна використовувати для прогнозування будь-яких майбутніх подій, знаходячи йому застосування в таких корисних сферах, як видобуток нових ресурсів та таких тривожних аспектах, як соціальна інженерія.

У міру того, як ці сценарії стають складнішими, з’являється все більше і більше змінних, які потрібно враховувати, розсуваючи обмеження на обчислювальні ресурси. Системи машинного навчання здатні виявляти шаблони в масивах даних, які не може помітити людина, а потім спостерігати за повторенням цих шаблонів. Вони також можуть з часом покращувати свою точність.

За словами дослідників, ці нові та вдосконалені алгоритми можна використовувати в різноманітних ситуаціях, наприклад, для моніторингу ритму серця та виявлення проблем зі здоров’ям, які в іншому випадку можна було б не помітити. Барбоза пояснює:

Сучасні алгоритми машинного навчання особливо добре підходять для прогнозування динамічних систем шляхом вивчення їхніх основних фізичних правил за допомогою історичних даних. Якщо у вас буде достатньо даних і обчислювальної потужності, ви зможете робити прогнози за допомогою моделей машинного навчання щодо будь-якої складної системи реального світу.

Раніше ми повідомляли, що компанія Nvidia створила нейромережу GauGAN2, яка вміє створювати зображення за текстовим описом. Алгоритм може створити зображення навіть з одного слова.

Джерело: Science Alert

Не пропустіть цікавинки!

Підписуйтесь на наші канали та читайте новини у зручному форматі!

ГОЛОВНЕ ЗА СЬОГОДНІ
Більше новин
RU UA
1