Investigadores de la Universidad Estatal de Carolina del Norte descubrieron que enseñar física a redes neuronales permite que esas redes se adapten mejor al caos dentro de su entorno. El trabajo tiene implicaciones para aplicaciones mejoradas de inteligencia artificial IA que van desde diagnósticos médicos hasta pilotos automáticos de drones.
Las redes neuronales son un tipo avanzado de IA basada en la forma en que funcionan nuestros cerebros. Nuestras neuronas naturales intercambian impulsos eléctricos de acuerdo con las fortalezas de sus conexiones. Las redes neuronales artificiales imitan este comportamiento ajustando pesos numéricos y sesgos durante las sesiones de entrenamiento paraminimizar la diferencia entre sus salidas reales y deseadas. Por ejemplo, una red neuronal puede ser entrenada para identificar fotos de perros tamizando a través de una gran cantidad de fotos, adivinando si la foto es de un perro, viendo qué tan lejos estáes y luego ajustando sus pesos y sesgos hasta que estén más cerca de la realidad.
El inconveniente de este entrenamiento de redes neuronales es algo llamado "ceguera del caos", una incapacidad para predecir o responder al caos en un sistema. La IA convencional es un caos ciego. Pero los investigadores del Laboratorio de Inteligencia Artificial NAIL del Estado de Carolina del Norte han descubiertoque la incorporación de una función hamiltoniana en las redes neuronales les permite "ver" el caos dentro de un sistema y adaptarse en consecuencia.
En pocas palabras, el hamiltoniano encarna la información completa sobre un sistema físico dinámico: la cantidad total de todas las energías presentes, cinéticas y potenciales. Imagine un péndulo oscilante, moviéndose de un lado a otro en el espacio con el tiempo. Ahora mire una instantáneade ese péndulo. La instantánea no puede decirle dónde está ese péndulo en su arco o hacia dónde va. Las redes neuronales convencionales operan a partir de una instantánea del péndulo. Las redes neuronales familiarizadas con el flujo hamiltoniano entienden la totalidad del movimiento del péndulo.dónde está, dónde estará o podría estar, y las energías involucradas en su movimiento.
En un proyecto de prueba de concepto, el equipo de NAIL incorporó la estructura hamiltoniana en las redes neuronales, luego las aplicó a un modelo conocido de dinámica estelar y molecular llamado modelo Hénon-Heiles. La red neuronal hamiltoniana predijo con precisión la dinámica delsistema, incluso cuando se movía entre el orden y el caos.
"El Hamiltoniano es realmente la 'salsa especial' que le da a las redes neuronales la capacidad de aprender el orden y el caos", dice John Lindner, investigador visitante de NAIL, profesor de física en The College of Wooster y autor correspondiente de un artículo que describe eltrabajo ". Con el Hamiltoniano, la red neuronal comprende la dinámica subyacente de una manera que una red convencional no puede. Este es un primer paso hacia redes neuronales inteligentes que podrían ayudarnos a resolver problemas difíciles".
El trabajo aparece en Revisión física E y cuenta con el apoyo parcial de la Oficina de Investigación Naval subvención N00014-16-1-3066. El investigador postdoctoral de NC State Anshul Choudhary es el primer autor. Bill Ditto, profesor de física en NC State, es director de NAIL.el investigador Scott Miller; Sudeshna Sinha, del Instituto Indio de Educación e Investigación en Ciencias Mohali; y el estudiante graduado de NC State, Elliott Holliday, también contribuyeron al trabajo.
Fuente de la historia :
Materiales proporcionado por Universidad Estatal de Carolina del Norte . Nota: El contenido puede ser editado por estilo y longitud.
Referencia del diario :
Cita esta página :