您尚未登录账户
您的企业账号申请正在审核中
利用18世纪数学简化AI技术，助力绿色AI发展
芬兰于韦斯屈莱大学的研究人员成功利用18世纪的数学简化了人工智能最流行的技术——深度学习。他们还发现，与最近流行的技术相比，追溯至50年前的经典训练算法效果更好。他们的简化方法推动了绿色IT，并且更易于使用和理解。
人工智能的成功在很大程度上依赖于一种核心技术：深度学习。深度学习是一种人工智能技术，其中通过使用大规模数据集和大量计算资源对具有大量数据处理层的网络进行训练。
深度学习使计算机能够执行复杂的任务，例如分析和生成图像和音乐，玩数字化游戏，最近还将其与ChatGPT和其他生成式人工智能技术相结合，作为自然语言对话代理，提供高质量的现有知识摘要。
六年前，Tommi Kärkkäinen教授和Jan Hänninen博士研究了数据压缩的初步研究。结果令人惊讶：如果以一种新颖的方式组合简单的网络结构，就不需要深度。使用浅层模型可以获得类似甚至更好的结果。
“使用深度学习技术是一项复杂而容易出错的工作，由此产生的模型难以维护和解释。”Kärkkäinen说。"我们的新模型在浅层形式下更具表现力，并且可以可靠地减少大规模数据集的大小，同时保留其中所有必要的信息。"
这种新人工智能技术的结构可以追溯到18世纪的数学。Kärkkäinen和Hänninen还发现，与深度学习中使用的21世纪技术相比，20世纪70年代的传统优化方法在构建他们的模型时效果更好。
“我们的研究结果确保了神经网络在各种应用中的使用比以往更加容易和可靠。”Hänninen建议。该研究发表在《神经计算》杂志上。
更简单的模型使得人工智能更加环保和道德
人工智能在现代技术中的作用日益重要，因此了解人工智能的工作原理变得越来越重要。
“人工智能越透明和简单，就越容易考虑其道德使用。”Kärkkäinen说。"例如，在医疗应用中，深度学习技术非常复杂，其直接使用可能会因意外而危及患者安全。"
研究人员指出，更简单的模型能够促进绿色IT的发展并且更加环保，因为它们节约了计算资源并且使用的能量更少。
这些结果挑战了深度学习技术的常见信念和目前流行的观念，因此很难发表。
"深度学习在研究、开发和人工智能业务中扮演着如此重要的角色，即使科学始终进步并反映最新证据，但学术界本身可能对变革持有抵制态度。"
“我们非常期待这些结果在科学和商业界的反响。”Kärkkäinen说。"我们的新人工智能具有广泛的应用领域，从纳米技术用于可持续经济中更好的材料到改进数字学习环境以及提高医疗和福祉技术的可靠性和透明度。"
