액체 신경망이 AI 세계를 축소하는 방법

Aug 04, 2023

Kaushik은 기술 설계자이자 소프트웨어 컨설턴트로서 소프트웨어 분석, 개발, 아키텍처, 디자인, 테스트 및 교육 업계에서 20년 이상의 경험을 보유하고 있습니다. 그…

Eddie Wrenn은 영국과 호주 전역의 국내 및 국제 뉴스룸에서 일한 리포터이자 뉴스 편집자입니다.

액체 신경망은 선형 신경망과 달리 인간의 두뇌와 유사하고 비선형적이며 창의적인 접근 방식으로 인해 AI 환경에서 중요하고 독특한 요소로 돋보입니다. 이전에는 인간 전문가가 지배했던 날씨 예측, 주식 시장 분석, 음성 인식 분야와 같은 복잡한 문제를 해결하는 데 탁월합니다.

액체 신경망은 인공 지능(AI) 환경에서 가장 중요하고 독창적인 새로운 구성 요소 중 하나입니다.

기계나 로봇이 외부 자극이나 데이터에 반응해야 하는 경우 리소스가 극도로 무거워져 아주 작은 공간에 지능을 맞추려고 하면 병목 현상이 발생할 수 있습니다.

VentureBeat는 도로에서 자동차를 운전하는 것과 같은 작업에서 자동차를 안정적으로 유지하기 위해 고전적인 신경망이 어떻게 100,000개의 인공 뉴런이 필요할 수 있는지 설명합니다.

그러나 놀라운 발견에 따르면 액체 신경망을 개발하는 MIT CSAIL 팀은 단 19개의 뉴런으로 동일한 작업을 수행할 수 있었습니다.

액체 신경망은 복잡한 학습과 작업을 수행하는 로봇의 문제를 해결하기 위해 개발된 딥 러닝 아키텍처의 일종으로, 클라우드 의존성 문제나 제한된 내부 저장소 문제를 해결하는 것을 목표로 합니다.

MIT CSAIL의 다니엘라 루스(Daniela Rus) 이사는 VentureBeat에 다음과 같이 말했습니다. “액체 신경망에 대한 영감은 기계 학습에 대한 기존 접근 방식에 대해 생각하고 로봇과 엣지 장치가 제공하는 일종의 안전 필수 시스템에 어떻게 부합하는지 고려하는 것에서 비롯되었습니다.

"로봇에서는 실제로 계산 [전력] 및 [저장] 공간이 없기 때문에 대규모 언어 모델을 실제로 실행할 수 없습니다."

연구팀은 작은 유기체에서 발견되는 생물학적 뉴런에 대한 연구에서 문제에 대한 단서를 찾았습니다.

액체 신경망을 정보를 처리하고 출력을 제공하기 위해 함께 모이는 인간 두뇌의 상호 연결된 세포로 생각하십시오.

인간의 뇌는 매우 복잡한 계산을 수행하는 매우 복잡한 세포 배열입니다.

액체 신경망은 지속적인 데이터 스트림이 필요한 자율 주행 차량 및 로봇과 같이 안전이 중요한 애플리케이션에 중점을 둡니다.

Daniela Rus에 따르면, “일반적으로 유동 네트워크는 시계열 데이터가 있을 때 잘 작동합니다. 유동 네트워크가 잘 작동하려면 시퀀스가 ​​필요합니다.

"그러나 ImageNet과 같은 일부 정적 데이터베이스에 유동적 네트워크 솔루션을 적용하려고 하면 그다지 잘 작동하지 않을 것입니다."

MIT 컴퓨터 과학 및 인공지능 연구소(CSAIL) 연구팀은 경험을 바탕으로 다음과 같은 장점을 발견했습니다.

액체 신경망은 기존 신경망보다 훨씬 적은 수의 뉴런으로 작동할 수 있습니다.

위에서 설명한 것처럼, 전통적인 딥러닝 신경망에는 자율주행차가 차선을 유지하기 위해 100,000개의 뉴런이 필요합니다. 반면, 액체 신경망에는 19개의 뉴런만 필요합니다.

액체 신경망은 기존의 딥러닝 신경망보다 인과성을 더 잘 처리합니다. 그들은 고전적인 딥러닝 신경망이 하기 힘든 원인과 결과 사이의 명확한 관계를 찾아낼 수 있습니다.

예를 들어, 고전적인 딥 러닝 신경망은 고전적인 신경망보다 더 효율적으로 다양한 설정에서 이벤트 간의 인과 관계를 일관되게 식별할 수 있습니다.

AI 시스템의 데이터 해석을 이해하는 것은 AI의 가장 큰 과제 중 하나입니다.

기존 딥러닝 모델은 데이터 해석에 대한 근거가 얕거나 불분명하거나 잘못된 경우가 많지만, 유동 신경망은 데이터 해석의 근거를 설명할 수 있습니다.