Świetnym tego przykładem są ostatnie badania naukowców z Uniwersytetu w Jyväskylä. Udało im się im uprościć tzw. głębokie uczenie wykorzystując w tym celu obliczenia matematyczne sięgające XVIII wieku. Jakby tego było mało, w toku analiz okazało się, że algorytmy treningowe sprzed 50 lat sprawdzają się lepiej od tych opracowanych w ostatnim czasie.
Czytaj też: Akceptujemy sztuczną inteligencję. ChatGPT nie spowodował, że boimy się scenariusza z Terminatora
Podstawą głębokiego uczenia są sztuczne sieci neuronowe, których funkcjonowanie pozwala naśladować to, jak ludzki mózg przetwarza informacje. Takie sieci z dużą liczbą warstw przetwarzania danych są szkolone z wykorzystaniem rozległych zbiorów danych i bogatych zasobów obliczeniowych.
W 2017 roku Tommi Kärkkäinen i Jan Hänninen przeprowadzili badania nad redukcją danych i odnotowali, że łączenie prostych struktur sieciowych w nowatorski sposób pozwala ograniczyć zużycie zasobów. Innymi słowy, stosunkowo proste modele zapewniały efekty zarezerwowane wcześniej dla znacznie bardziej zaawansowanych rozwiązań.
Sztuczna inteligencja nie zawsze wymaga najnowszych rozwiązań – badania fińskich naukowców pokazują, że pomagać mogą nawet techniki z XVIII wieku
Oczywiście najbardziej niesamowity w całej sprawie jest fakt, że opracowane rozwiązanie jest oparte na obliczeniach matematycznych sięgających XVIII wieku. Jakby tego było mało, fińscy naukowcy udowodnili, że techniki optymalizacji z lat 70. sprawdzają się znacznie lepiej niż te znacznie nowsze. O szczegółach ostatnich postępów możemy przeczytać w publikacji zamieszczonej na łamach Neurocomputing.
Uproszczenie działania takich modeli powinno zapewnić szereg korzyści dla świata nauki. Jak wyjaśniają sami zainteresowani, im bardziej przejrzysta i łatwa w użyciu jest sztuczna inteligencja, tym łatwiej można wykorzystywać ją w etyczny sposób. Mowa w tym kontekście na przykład o technikach głębokiego uczenia stosowanych na potrzeby medycyny. Poza tym w grę wchodzi ograniczenie negatywnego wpływu na środowisko naturalne, ponieważ takie modele cechują się niższym zużyciem energii, a co za tym idzie – mniejszymi emisjami gazów cieplarnianych. Bez wątpienia w sztucznej inteligencji drzemie potencjał, który może na poważnie zmienić nasze codzienne życie.
Czytaj też: Dlaczego w matematyce stosuje się symbol X?
Głębokie uczenie odgrywa tak ważną rolę w badaniach, rozwoju i sektorze sztucznej inteligencji, że nawet jeśli nauka zawsze się rozwija i odzwierciedla ostatnie postępy, sama społeczność może mieć opór przed zmianami. Jesteśmy bardzo ciekawi, jak te wyniki zostaną odebrane przez społeczność naukową i biznesową. […] Nowa sztuczna inteligencja ma szereg zastosowań w naszych własnych badaniach, od nanotechnologii przez lepsze materiały w zrównoważonej gospodarce aż po ulepszanie cyfrowych środowisk edukacyjnych oraz zwiększanie niezawodności i przejrzystości technologii medycznych i związanych z samopoczuciem. wyjaśnia Tommi Kärkkäinen