Covering Disruptive Technology Powering Business in The Digital Age

ด้วยคำมั่นสัญญาทั้งหมดของ AI ที่มีต่ออุตสาหกรรม, องค์กรและบุคคล ทำให้เทคโนโลยียังคงถูกสร้างความคาดหวังไว้มาก ซึ่งความกังวลที่สำคัญอย่างหนึ่งเกี่ยวกับ AI คือการขาดความสามารถในการตัดสินใจอย่างมีนัยสำคัญที่มนุษย์สามารถทำได้ในสภาพแวดล้อมที่หลากหลายและซับซ้อนเช่น ในสถานการณ์ที่เรียกได้ว่าเป็นความเป็นความตาย

ในความพยายามที่จะปรับปรุงความสามารถของ AI โดยนักพัฒนาใช้รูปแบบของเซลล์ประสาทในสมองสัตว์เพื่อจำลองความสามารถในการคิดของมัน ซึ่งส่งผลให้เกิดโครงข่ายประสาทเทียม อย่างไรก็ตามผู้เชี่ยวชาญมักสร้างแบบจำลองอัลกอริทึม AI ของตนให้เป็นสมองของมนุษย์ ซึ่งจากการศึกษาของนักวิจัยจาก Massachusetts Institute of Technology (MIT) เชื่อว่าความซับซ้อนทำให้กระบวนการคิดก้าวหน้ายิ่งขึ้น อย่างไรก็ตามความเรียบง่ายก็อาจมีประโยชน์เช่นกัน

ในการวิจัยของพวกเขา นักวิชาการของ MIT ได้ออกแบบเครือข่ายประสาทที่สามารถปรับให้เข้ากับความแปรปรวนของระบบในโลกแห่งความเป็นจริง โดยได้รับแรงบันดาลใจโดยตรงจากตัวหนอน Caenorhabditis elegans

“มันมีเซลล์ประสาทเพียง 302 เซลล์ในระบบประสาท แต่มันสามารถสร้างพลวัตที่ซับซ้อนอย่างคาดไม่ถึง” Ramin Hasani,ผู้เขียนหลักของการศึกษากล่าว พวกเขาได้พัฒนาโครงข่ายประสาทเทียมประเภทหนึ่งที่ไม่เพียงแต่เรียนรู้ในระหว่างขั้นตอนการฝึกอบรมเท่านั้น แต่ยังเรียนรู้ในขณะที่ทำงานด้วยซึ่งช่วยเพิ่มความสามารถในการปรับตัวได้อย่างมีนัยสำคัญ ซึ่งสิ่งนี้จะแตกต่างจากอัลกอริทึม AI ส่วนใหญ่ที่ได้รับการฝึกฝนก่อนการใช้งานเท่านั้นซึ่งสามารถ จำกัดการทำงานได้ตลอดเวลา

นักวิจัยขนานนามอัลกอริทึมที่ยืดหยุ่นเหล่านี้ว่าเครือข่าย “liquid’” เนื่องจากสามารถเปลี่ยนสมการพื้นฐานเพื่อปรับให้เข้ากับอินพุตข้อมูลใหม่ได้อย่างต่อเนื่อง ความก้าวหน้าในอัลกอริทึมตามการศึกษานี้สามารถช่วยในการตัดสินใจโดยอาศัยกระแสข้อมูลที่เปลี่ยนแปลงตลอดเวลารวมถึงผู้ที่เกี่ยวข้องกับการวินิจฉัยทางการแพทย์และการขับขี่อัตโนมัติ

ปัจจัยสำคัญอีกประการหนึ่งในการมีเครือข่ายประเภทนี้คือความสามารถในการประมวลผลข้อมูลอนุกรมเวลาซึ่งเป็นสิ่งสำคัญสำหรับภูมิทัศน์ดิจิทัลที่เปลี่ยนแปลงตลอดเวลา โดยในปัจจุบัน จากข้อมูลของ Hasani โดยข้อมูลอนุกรมเวลาเป็นข้อมูลที่แพร่หลายและมีความสำคัญต่อความเข้าใจเกี่ยวกับโลก

นอกจากนี้ Hasani ยังเพิ่มความลื่นไหลของเครือข่าย ” liquid ” ดังกล่าวทำให้มีความยืดหยุ่นมากขึ้นต่อข้อมูลที่ไม่คาดคิดหรือที่มีเสียงดังเช่น หากฝนตกหนัก บดบังมุมมองของกล้องในรถยนต์ที่ขับด้วยตัวเอง ดังนั้นจึงทำให้มีประสิทธิภาพมากขึ้น โดยพื้นฐานแล้วเครือข่าย ” liquid ” นี้สามารถปรับให้เข้ากับสภาพแวดล้อมและตัดสินใจได้โดยขึ้นอยู่กับการเปลี่ยนแปลงที่พบ

“โลกแห่งความจริงเป็นเรื่องของลำดับ แม้แต่การรับรู้ของเรา ซึ่งคุณไม่ได้รับรู้ภาพ คุณกำลังรับรู้ลำดับภาพ ดังนั้นข้อมูลอนุกรมเวลาจึงสร้างความเป็นจริงของเราได้จริง” Hasani กล่าวเสริมโดยเขายังกล่าวด้วยว่าการประมวลผลวิดีโอ, ข้อมูลทางการเงินและแอปพลิเคชันการวินิจฉัยทางการแพทย์เป็นตัวอย่างของอนุกรมเวลาที่เป็นศูนย์กลางของสังคม

อัลกอริทึมเครือข่าย ” liquid ” ได้ปรับปรุงอัลกอริทึมอนุกรมเวลาที่ล้ำสมัยอื่น ๆ ด้วยคะแนนไม่กี่เปอร์เซ็นต์ในการทำนายค่าในอนาคตในชุดข้อมูลได้อย่างแม่นยำตั้งแต่เคมีในชั้นบรรยากาศไปจนถึงรูปแบบการจราจร

“ในหลาย ๆ แอพพลิเคชั่น เราจะเห็นว่ามีประสิทธิภาพสูงและอย่างน่าเชื่อถือ ทุกคนพูดถึงการขยายเครือข่ายของตน เราต้องการลดขนาดเพื่อให้โหนดน้อยลง” Hasani กล่าว

นอกจากนี้ยังอยู่ในแผนการของ Hasani ที่จะปรับปรุงระบบอย่างต่อเนื่องและพร้อมสำหรับการใช้งานในภาคอุตสาหกรรมโดยเชื่อว่าเครือข่ายประเภทนี้อาจเป็นองค์ประกอบสำคัญของระบบอัจฉริยะในอนาคต

(0)(0)