新技術基於 18 世紀數學顯示簡化 AI 模型不需要深度學習
概述
最近，芬蘭約恩蔡舍利亞大學的研究人員成功地使用 18 世紀的數學方法簡化了當前最流行的人工智慧技術——深度學習。他們還發現，相較於現今更受歡迎的技術，追溯至 50 年前的傳統訓練演算法表現更好。這種更簡單的方法不僅有助於環保的資訊技術發展，而且更容易使用和理解。深度學習的基礎和挑戰
近年來人工智慧的成功很大程度上基於一種核心技術——深度學習。深度學習是一種人工智慧技術，透過使用大量資料集和大量計算資源，訓練具有多個資料處理層的網路。深度學習使得計算機能夠執行複雜的任務，例如分析和生成影象和音樂，玩數位化遊戲，並且最近與 ChatGPT 和其他生成式 AI 技術相結合，成為一種提供現有知識高質量摘要的自然語言對話代理。 然而深度學習技術的使用是一個複雜且容易出錯的事業，所得到的模型很難維護和解釋。這種複雜性和不透明性對於一些應用場景來說是有風險的，例如在醫療應用中，深度學習技術的直接使用可能會因為意料之外的隱藏行為而危及患者安全。18 世紀數學與簡化方法
芬蘭研究人員 Tommi Kärkkäinen 教授和博士研究生 Jan Hänninen 六年前進行了一系列有關資料降維的初步研究。他們的結果令人驚訝：如果以一種新穎的方式將簡單的網路結構結合起來，就不需要深度。 他們發現，使用傳統的 18 世紀數學結構可以有效簡化這些 AI 模型，並且相較於深度學習時代的 21 世紀技術，使用 1970 年代的傳統最佳化方法可以更好地準備他們的模型。綠色和倫理 AI 的重要性
人工智慧在現代技術中的作用越來越重要，因此理解人工智慧背後的原理變得越來越重要。Kärkkäinen 教授指出："AI 越透明和簡單，就越容易考慮其倫理使用。"在醫療應用中，深度學習技術的複雜性可能會對患者安全造成風險，因為其意想不到的隱藏行為。 研究人員還指出，簡化的 AI 模型有助於發展綠色資訊技術，因為它們節省了計算資源並使用更少的能源。展望和建議
這項研究結果挑戰了深度學習技術的常見信念和當前流行觀念，因此在發表時遇到了困難。深度學習在研究、開發和人工智慧行業中具有重要地位，即使科學始終進步並反映最新的證據，研究社區本身可能對改變持有抵制態度。 作者期待看到這些結果在科學和商業社區中的回響，他們認為這種新的 AI 技術在自己的研究中具有廣泛的應用，從為可持續經濟中更好的材料而進行的奈米技術研究，到改進數位學習環境，增加醫療和健康技術的可靠性和透明度。結論
芬蘭研究人員的新技術基於 18 世紀數學，展示了簡化 AI 模型的可行性，不再需要複雜的深度學習。這一發現有助於發展綠色資訊技術，並且對於環境友好和倫理使用的人工智慧具有重要意義。然而這些結果也面臨著科學和商業社區對變革的抵制。將來的研究應該進一步探索這一新技術的應用範圍，並解決其在現實世界中實施的挑戰。Technology-18 世紀數學,新技術,AI 模型,深度學習
延伸閱讀
- 深度學習技術進步！Meta 推出廣告 AI 工具，能創造全新影象而非僅替換背景
- Google Deepmind 推出巨大的 AlphaFold 更新和免費蛋白質組學服務網路應用程式
- 為什麼 RAG 無法解決生成式 AI 的幻覺問題
- OpenAI 擴大自定義模型訓練計劃
- OpenAI 的聊天機器人商店充斥垃圾訊息
- Google Deepmind 培訓影片遊戲 AI 成為你的合作夥伴
- Deepgram 推出 Aura：賦予 AI 代理人聲音
- NFT 平臺 Zora 提供了一種新的賺錢方式，適合 AI 模型製作者
- 聚焦 SambaNova：現在提供一攬子生成式人工智慧模型
- OpenAI 最新模型能生成影片，而且看起來還不錯
