科学家为AI创建了一个元素周期表
- 麻省理工学院的研究人员发现，可以将不同的算法分组为AI的周期性表。
- 桌子的想法是从确定两种算法之间的相似性中出现的事故。
- 具有元素算法表将使根据所需属性更容易地一起使用哪些算法。
在高中化学中，我们都知道周期表根据其属性进行安排（我们大多数人永远不会忘记必须在至少一项测试中填写它们）。现在，计算机科学正在利用元素周期表的实用性，以帮助他们实现自己的科学目的。
麻省理工学院的研究人员创建了一个元素周期表，该表根据他们共享的属性订购了AI算法，该属性与数学框架（称为信息对比学习）（I-CON）。该表描述了算法如何找到链接的数据点。他们拥有那个数学的地方脱氧核糖核酸在内部和内部近似这些链接。单个算法可以通过最大程度地减少与其他算法的近似连接之间的差异和连接来最大程度地提高效率。
就像重金属和高贵的气体一样，算法在此AI周期表中，根据它们与I-CON和彼此的共同点进行分组（I-CON是一个损失功能，这基本上通过弄清楚它与正确的预测有多大的偏离来衡量模型的性能。该桌子本身是偶然的，这是由于经典的机器学习算法之间的共同点而出现的。MIT研究生Shaden Alshamarri正在研究聚类算法可以学会根据它们的相似程度将图像分类为簇，这使她想起了另一种称为对比度学习的算法。
I-CON揭示了许多看似不同的方法，包括聚类，光谱图理论，对比度学习，降低维度和监督分类都是相同的基本损失功能的情况，她和她的团队在一个中学习最近在2025年提出国际学习代表会议（ICLR）。
这对比度学习算法受到启发人脑功能在视觉皮层``腹侧视觉皮层的一部分与识别和分类对象有关，并且在对比度学习中训练的模型可以学会通过将对象相互对比来准确执行视觉任务。Alshamarri发现，数学功能（I-CON）可以显示她研究的聚类算法是如何与这种对比的学习算法相关的。
当Alshamarri和她的团队发现I-CON功能与更多类型的算法之间的关系时，他们意识到可以以反映元素周期表的方式安排它们。这些算法包括减少维度（涉及压倒性的数据通过减少数据集中的功能）和监督分类（具有预测结果的模型）。
就像实际的周期表一样，其中包括尚未发现的元素的空格，人工智能对于算法，其数据点连接到I-CON的算法仍然未知。
Alshamarri在同一篇中说，我们认为这项工作中提出的结果仅代表了可能与I-CON统一的方法的一小部分。”学习。我们希望社区可以利用这种观点来改善算法和跨算法的协作和分析机器学习学科
伊丽莎白·雷恩（Elizabeth Rayne）是一个写作的生物。她的作品出现在流行的机械师，ARS Technica，Syfy Wire，Space.com，Live Science，Geek的Live Science，Forbidden Futures和Collective Tales中。她带着鹦鹉Lestat潜伏在纽约市以外。当不写作时，可以找到她的绘画，弹钢琴或变形。
关于《科学家为AI创建了一个元素周期表》的评论
暂无评论