Actualización de la IA: un nuevo algoritmo podría conducir a modelos de IA más baratos, precisos y ligeros

Un grupo de investigadores ha resuelto un problema fundacional en el aprendizaje automático, creando el primer método para manejar datos simétricos que garantiza ser eficiente tanto en el cálculo como en las necesidades de datos. El principal reto es que la IA puede confundirse fácilmente con la simetría; por ejemplo, podría ver una molécula rotada como un objeto completamente nuevo en lugar de reconocerla como la misma estructura.

Estas simetrías son importantes porque son una especie de información que la naturaleza nos está diciendo sobre los datos, y deberíamos tenerla en cuenta en nuestros modelos de aprendizaje automático. Ahora hemos demostrado que es posible hacer aprendizaje automático con datos simétricos de forma eficiente. - Behrooz Tahmasebi, estudiante de posgrado del MIT y coautor principal.

Aunque algunos modelos actuales como las redes neuronales gráficas pueden manejar la simetría, los investigadores no han entendido del todo por qué funcionan tan bien. Este equipo del MIT dice que adoptó un enfoque diferente: diseñó un nuevo algoritmo combinando conceptos matemáticos del álgebra y la geometría para crear un sistema que pueda aprender y respetar la simetría de forma eficaz.

Este método, probadamente eficaz, requiere menos muestras de datos para el entrenamiento, lo que puede mejorar la precisión y la adaptabilidad de un modelo. Los investigadores afirman que su trabajo podría conducir al desarrollo de modelos de IA más potentes y que consuman menos recursos para una amplia gama de aplicaciones, "desde descubrir nuevos materiales hasta identificar anomalías astronómicas y desentrañar patrones climáticos complejos" La investigación se presentó recientemente en la Conferencia Internacional sobre Aprendizaje Automático.