پژوهشگران آزمایشگاه علوم رایانه و هوش مصنوعی MIT (CSAIL) موفق به توسعه مدل نوینی از هوش مصنوعی شدهاند که از دینامیک عصبی مغز انسان الهام گرفته و گامی مهم در بهبود تحلیل دادههای پیچیده و بلندمدت برداشته است.
این مدل جدید که (LinOSS) نام دارد، بر پایه اصول نوسانگرهای هارمونیک اجباری طراحی شده است؛ مفهومی که ریشه در فیزیک دارد و در عملکرد شبکههای عصبی زیستی نیز مشاهده میشود. مدل LinOSS با هدف حل مشکلاتی طراحی شده که مدلهای قبلی در تحلیل دادههای طولانی با آنها مواجه بودند، مانند ناپایداری و نیاز بالا به منابع محاسباتی.
دکتر تی. کنستانتین روش و پروفسور دانیلا روس، سرپرستان این پژوهش، میگویند LinOSS قادر است الگوهای طولانیمدت را با پایداری بالا و بهرهوری محاسباتی مناسب شناسایی کند؛ حتی در دنبالههایی با صدها هزار نقطه داده. بهگفته روش، «هدف ما الگوبرداری از پایداری و کارایی سیستمهای عصبی زیستی و انتقال آن به مدلهای یادگیری ماشینی بود.»
مزیت مهم LinOSS نسبت به مدلهای موجود، از جمله مدل پرکاربرد Mamba، عملکرد دقیقتر و سریعتر در تحلیل دادههای طولانی است. آزمایشهای انجامشده نشان داد که این مدل در وظایف طبقهبندی و پیشبینی دنبالههای طولانی، عملکردی تقریباً دو برابر بهتر از مدلهای مرسوم داشته است.
این پژوهش که تنها در بین ۱ درصد برتر مقالات برای ارائه شفاهی در کنفرانس معتبر ICLR 2025 پذیرفته شده، میتواند تأثیر چشمگیری در حوزههایی مانند تحلیل دادههای سلامت، پیشبینی آبوهوا، رانندگی خودران و بازارهای مالی داشته باشد.
پروفسور روس میگوید: «این مدل نمونهای از ترکیب دقت ریاضی با نوآوری کاربردی است و میتواند ابزار قدرتمندی برای درک و پیشبینی سیستمهای پیچیده در اختیار جامعه علمی قرار دهد.»
پژوهشگران MIT همچنین معتقدند LinOSS میتواند افقهای جدیدی در علوم اعصاب بگشاید و به درک بهتر از عملکرد مغز انسان کمک کند. این پروژه با حمایت بنیاد ملی علوم سوئیس، برنامه Schmidt AI2050، و مرکز شتابدهنده هوش مصنوعی نیروی هوایی آمریکا انجام شده است.
کد خبر ۲۱۲۰۴۰۲۱۵.۰۰۲
منبع: ام آی تی نیوز
