RTFlash

IA : vers des réseaux de neurones liquides ?

Des chercheurs du célèbre Massachusetts Institute of Technology (MIT) aux États-Unis ont réussi à mettre au point un nouveau type de réseau neuronal "liquide", capable de modifier les paramètres de ses propres équations.

Dans la phase d'entraînement de l'IA, le réseau neuronal est utilisé pour construire des algorithmes en traitant un grand nombre de données. Cette nouvelle approche prend en compte les données chronologiques afin de traiter non pas des points fixes mais des séquences. Les chercheurs se sont inspirés du nématode Caenorhabditis elegans dont le système nerveux, composé de seulement 302 neurones, est capable d'opérations complexes.

Le réseau neuronal liquide utilise des équations différentielles imbriquées afin de changer les paramètres des équations dans le temps, ce qui le rend beaucoup plus flexible. Il est ainsi capable de mieux traiter des données contenant du bruit, comme le flux vidéo d'une voiture autonome lorsqu'il pleut. Les réseaux neuronaux sont comparés à des boîtes noires, où il est possible d'observer les entrées et sorties, mais pas ce qui se passe à l'intérieur.

La possibilité de modifier ces équations permet aux chercheurs de mieux comprendre le fonctionnement du réseau, ce qui est normalement impossible. De plus, cette approche utilise un nombre plus limité de neurones que les réseaux classiques, ce qui réduit la puissance de calcul nécessaire.

Le réseau de Hasani a excellé dans une batterie de tests. Il a nettement devancé les autres algorithmes de séries chronologiques de pointe pour prédire avec précision les valeurs futures dans des ensembles de données, allant de la chimie atmosphérique aux modèles de trafic. De plus, la petite taille du réseau lui a permis d'atteindre ces performances pour un faible coût énergétique.

Les chercheurs indiquent que le réseau neuronal liquide devrait permettre des avancées dans tous les domaines où les conditions peuvent évoluer rapidement. Cela inclut les voitures autonomes, le pilotage des robots, le traitement automatique du langage naturel, le diagnostic médical ou encore le traitement des vidéos.

Article rédigé par Georges Simmonds pour RT Flash

MIT

Noter cet article :

 

Vous serez certainement intéressé par ces articles :

Recommander cet article :

back-to-top