M­I­T­’­d­e­n­ ­b­i­r­ ­s­t­a­r­t­-­u­p­ ­y­e­n­i­ ­b­i­r­ ­y­a­p­a­y­ ­z­e­k­a­ ­t­ü­r­ü­ ­ü­z­e­r­i­n­d­e­ ­ç­a­l­ı­ş­ı­y­o­r­:­ ­S­i­è­c­l­e­ ­D­i­g­i­t­a­l­

M­I­T­’­d­e­n­ ­b­i­r­ ­s­t­a­r­t­-­u­p­ ­y­e­n­i­ ­b­i­r­ ­y­a­p­a­y­ ­z­e­k­a­ ­t­ü­r­ü­ ­ü­z­e­r­i­n­d­e­ ­ç­a­l­ı­ş­ı­y­o­r­:­ ­S­i­è­c­l­e­ ­D­i­g­i­t­a­l­


Massachusetts Teknoloji Enstitüsü’nün (MIT) bir tür yan ürünü olan Liquid AI, 6 Aralık’ta 37,5 milyon dolar topladığını duyurdu. Bu finansman, bu yeni oluşumun gerçekleşmesini sağlayacak…

Massachusetts Teknoloji Enstitüsü’nün (MIT) bir tür yan ürünü olan Liquid AI, 6 Aralık’ta 37,5 milyon dolar topladığını duyurdu. Bu fon, bu yeni kuruluşun yeni bir tür sinir ağı tarafından desteklenen yapay zeka (AI) modelleri tasarlamasına olanak tanıyacak.

Sıvı sinir ağları: geleceğin yapay zekası?

Liquid AI, bağış toplamak için çeşitli yatırım fonlarına başvurdu ve GitHub’un kurucu ortağı Tom Preston Werner, Shopify’ın kurucu ortağı Tobias Lütke ve Red Hat ortakları gibi özel yatırımcıların katılımına güvenebildi. -kurucu Bob Young. Yeni şirketin değeri şu anda 303 milyon euro.

Vanguard’ın eski bilimsel direktörü Ramin Hasani bu kuruluşun başında bulunuyor. Kendisine Teknolojiden Sorumlu Başkan (CTO) olarak Mathias Lechner ve Bilimsel Direktör olarak Alexander Amini eşlik ediyor. Üç araştırmacı, yan kuruluşun kurucu ortağı ve MIT Bilgisayar Bilimi ve Yapay Zeka Laboratuvarı yöneticisi Daniela Rus’un yardımıyla sıvı sinir ağlarını (LNN) icat etti. Liquid AI’yi yarattıklarını keşfetmelerinden yararlanmak içindi.

Daha geleneksel bir sinir ağının aksine, sıvı sinir ağları daha az nöron ve parametre kullanır, ancak aynı derecede güvenilir performans sunar. Karşılaştırma yapmak gerekirse, açık havada drone uçurmak gibi görevleri gerçekleştirmek üzere eğitilmiş bir sıvı sinir ağı yalnızca 20.000 parametre ve 20’den az nöron içerebilir. Tipik olarak derin öğrenme modellerini eğitmek için kullanılan bir evrişimli sinir ağı (CNN) kullanılarak, kullanılan parametre ve nöron sayısı çarpılarak minimum 100.000 nöron ve yarım milyon parametreye ulaşacak.

Mevcut teknolojilerde, az sayıda parametre ve nörona sahip bir model, daha az verimli bir çözümle eş anlamlıysa, sıvı sinir ağlarında kartlar yeniden karıştırılacaktır. Daha az nöron ve parametreyle ancak yüksek düzeyde performansla geliştirilen modeller daha az hesaplama gücü kullanacak. Üretken yapay zekanın çok yüksek işletme maliyetini azaltmayı mümkün kılacak gerçek bir atılım.

Sıvı sinir ağlarının son bir büyük avantajı daha vardır. İhtiyaçlarını daha iyi karşılamak için ayarlarını kullanıcı isteklerine göre uyarlama olanağına sahiptirler. Liquid AI tarafından gerçekleştirilen testlerde LNN’ler, CNN kullanan modellerin aksine tutarlı kararlar vererek diğer son teknoloji algoritmalardan daha iyi performans gösterdi.

Bu yılın başlarında Liquid AI ekibi, 19 nöronlu bir sıvı sinir ağını başarıyla geliştirdi. MIT araştırmacıları, modellerini eğitmek için profesyonel bir drone pilotunun uçuşlarından elde edilen bir veri tabanını kullandı. Ormanlar veya yoğun bir kentsel alan gibi çeşitli dış ortamlarda otonom olarak uçup uçamayacaklarını görmek için çözümlerini bir dört rotorlu dron filosu üzerinde kullandılar. Şu ana kadar Liquid AI tarafından gerçekleştirilen deneyler kesin görünüyor.


Popular Articles

Latest Articles