Các nhà nghiên cứu tạo ra thuật toán AI hiệu quả, giúp AI hiểu đối xứng trong dữ liệu

Một nhóm các nhà nghiên cứu tại MIT cho biết họ đã tạo ra thuật toán hiệu quả có thể chứng minh được đầu tiên để huấn luyện trí tuệ nhân tạo (AI) hiểu đối xứng trong dữ liệu. Đây là một bước đột phá có thể dẫn đến các mô hình mạnh mẽ và chính xác hơn cho các khám phá khoa học.

Một nhóm các nhà nghiên cứu vừa giải quyết một vấn đề cơ bản trong học máy, tạo ra phương pháp đầu tiên để xử lý dữ liệu đối xứng được đảm bảo hiệu quả cả về tính toán và nhu cầu dữ liệu. Thách thức chính là AI có thể dễ dàng bị nhầm lẫn bởi tính đối xứng; ví dụ, nó có thể xem một phân tử được xoay là một đối tượng hoàn toàn mới thay vì nhận ra nó là cùng một cấu trúc.

Behrooz Tahmasebi, nghiên cứu sinh sau đại học MIT và đồng tác giả chính, chia sẻ: “Những đối xứng này rất quan trọng vì chúng là một loại thông tin mà tự nhiên đang ‘nói’ cho chúng ta về dữ liệu, và chúng ta nên tính đến điều đó trong các mô hình học máy của mình. Giờ đây, chúng tôi đã chứng minh rằng có thể thực hiện học máy với dữ liệu đối xứng một cách hiệu quả”.

Mặc dù một số mô hình hiện tại như Mạng lưới thần kinh đồ thị (Graph Neural Networks) có thể xử lý đối xứng, các nhà nghiên cứu vẫn chưa hiểu đầy đủ tại sao chúng hoạt động tốt đến vậy. Nhóm MIT này cho biết họ đã tiếp cận theo một cách khác – họ đã thiết kế một thuật toán mới bằng cách kết hợp các khái niệm toán học từ đại số và hình học để tạo ra một hệ thống có thể học và tôn trọng đối xứng một cách hiệu quả.

Phương pháp hiệu quả này đòi hỏi ít mẫu dữ liệu hơn để huấn luyện, điều này có thể cải thiện độ chính xác và khả năng thích ứng của mô hình. Các nhà nghiên cứu cho biết công trình của họ có thể dẫn đến việc phát triển các mô hình AI mạnh mẽ hơn và ít tốn tài nguyên hơn cho nhiều ứng dụng, “từ khám phá vật liệu mới, đến xác định các dị thường thiên văn và làm sáng tỏ các mô hình khí hậu phức tạp”. Nghiên cứu đã được trình bày tại Hội nghị Quốc tế về Học máy gần đây.