捲曲的神經網絡包括使用幾何設計召回AI記憶

在新的國際研究中，引入了彎曲的神經網絡 – 一種新型的AI記憶，靈感來自幾何思想。研究表明，AI“思考”可以創造爆炸性記憶的“空間”的屈曲 – 在人腦中燈泡時的效果相似。這項研究為受到大腦，神經生物學甚至下一代機器人技術啟發的藝術家開闢了新的方式，提供了更好地理解記憶本身的工具。

如果人工智能可以記住事物不僅好，而且更快或更可靠的事情怎麼辦？這項新的國際研究提交了一種新型的AI內存，該記憶並非有很多數據，而是通過幾何形狀來考慮問題。

Basian應用數學中心（BCAM），Araya Inc.，蘇塞克斯大學和京都大學的研究人員團隊開發了一種新的人工智能模型，稱為曲線神經網絡。

他們的結論， 出版 v 自然連接展示AI“思考”的“空間”的彎曲如何創造出爆炸性記憶的記憶 – 在人腦中燈泡時的效果相似。

傳統的AI系統依賴於相對簡單的Akin轉換一對一的轉換。 BCAM的Miguel Aguilera說：“但是人的大腦與豐富的多用戶相互作用一起工作，許多信號同時相互影響。”為了解釋這一點，團隊在人工智能模型中引入了彎曲的幾何形狀，這使得創造了更複雜和更複雜的記憶過程 – 而無需其他計算超載。

團隊的彎曲神經網絡揭示了三個關鍵功能：爆炸性的內存，其中系統可以輕鬆跳入存儲的內存，例如，轉動開關；自動執行的智慧，其中AI會自動調節其“焦點”，因為它提醒其加速了答案；一個設置參數允許系統平衡內存功率和準確性之間的錯誤。

Araya Inc.的Pablo Morales說：“這些特性並不是嚴格編碼的，而是自然而然的。”這一發現可能會導致更具適應性，有效，更有效，更適應性和更易於理解的跳躍，這些跳躍是強大而難以解釋的。

蘇塞克斯大學的費爾南多·E·羅薩斯（Fernando E. Rosas）說：“這是一個令人信服的例子，說明了幾何學和物理學如何在智力領域（自然和人造）領域取得成就。” “這項工作為大腦和機器如何有效地存儲和接收信息開闢了新的思考方法。”

京都大學副教授Hideaki Shimazaki補充說：“最初是一個簡單的想法 – 使用神經網絡中的曲線幾何形狀 – 變成了一個深厚的聯合旅程。這一發現無疑會為AI的未來做出貢獻。”