Home Digitale Il MIT sviluppa un sistema di machine learning liquido

Il MIT sviluppa un sistema di machine learning liquido

I ricercatori del MIT hanno creato un sistema di machine learning “liquido” che si adatta a condizioni mutevoli e varia i parametri delle equazioni, migliorando la sua capacità di analizzare i dati delle serie temporali.

Illustrandolo in altre parole e più nel concreto, i ricercatori del MIT hanno spiegato di aver sviluppato un tipo di rete neurale che dunque impara mentre funziona, e non solo durante la sua fase di training.

Questi algoritmi flessibili, denominati reti “liquide”, cambiano le loro equazioni di base per adattarsi continuamente a input di nuovi dati. Questa innovazione, ha sottolineato il Massachusetts Institute of Technology, potrebbe aiutare il processo decisionale basato su flussi di dati che cambiano nel tempo, compresi quelli coinvolti nella diagnosi medica e nella guida autonoma.

I dati delle serie temporali sono onnipresenti e vitali per la nostra comprensione del mondo e tra le applicazioni che potrebbero essere centrali per l’implementazione di questa ricerca il team del MIT indica anche l’elaborazione video e i dati finanziari, oltre alla diagnostica medica e alla guida autonoma.

MIT

L’andamento di questi flussi di dati in continua evoluzione possono essere imprevedibili, eppure analizzare questi dati in tempo reale e usarli per anticipare il comportamento futuro può favorire lo sviluppo di importanti tecnologie emergenti.

È con questo obiettivo che i ricercatori del MIT hanno costruito un algoritmo adatto a tale compito, il cui potenziale è davvero significativo, ha sottolineato Ramin Hasani, autore principale dello studio, intitolato “Liquid Time-constant Networks”.

Le reti neurali sono algoritmi che riconoscono i modelli analizzando un insieme di esempi di training. Hasani ha progettato una rete neurale che può adattarsi alla variabilità dei sistemi del mondo reale.

Per farlo, si è ispirato al nematode microscopico C. elegans, che ha solo 302 neuroni nel suo sistema nervoso eppure può generare dinamiche inaspettatamente complesse, ha spiegato Hasani, che ne ha codificato la rete neurale con attenzione a come i neuroni di C. elegans si attivano e comunicano tra loro tramite impulsi elettrici.

Nelle equazioni che Hasani ha usato per strutturare la rete neurale, ha permesso ai parametri di cambiare nel tempo in base ai risultati di un insieme annidato di equazioni differenziali. Questa flessibilità è il progresso chiave della ricerca.

Il comportamento della maggior parte delle reti neurali è fisso dopo la fase di addestramento, il che significa che esse non sono in grado di adattarsi ai cambiamenti nel flusso di dati in arrivo. Hasani sottolinea inoltre che la fluidità della sua rete “liquida” la rende più resistente ai dati inaspettati o “rumorosi”, e quindi più robusta.

C’è un altro vantaggio nella flessibilità della rete così progettata, è più interpretabile. Hasani afferma infatti che la sua rete liquida aggira l’imperscrutabilità comune ad altre reti neurali e consente di esplorare dei gradi di complessità che non sarebbe possibile osservare altrimenti.

Invece, grazie al piccolo numero di neuroni altamente espressivi della rete neurale di Hasani, è più facile sbirciare all’interno della “scatola nera” del processo decisionale della rete e diagnosticare perché ha fatto una certa caratterizzazione.

Il modello stesso è più ricco in termini di espressività e questo potrebbe aiutare gli ingegneri a capire e migliorare le prestazioni della rete liquida, ha messo in evidenza il ricercatore.

La rete di Hasani ha ottenuto ottimi risultati in una batteria di test, superando altri algoritmi di serie temporali all’avanguardia di alcuni punti percentuali, nel prevedere in modo accurato i valori futuri in serie di dati che vanno dalla chimica atmosferica ai modelli di traffico.

Il ricercatore del MIT ha ora in progetto di continuare a migliorare il sistema per renderlo pronto per un’applicazione industriale.

LASCIA UN COMMENTO

Inserisci il tuo commento
Inserisci il tuo nome

Se questo articolo ti è piaciuto e vuoi rimanere sempre informato sulle novità tecnologiche

css.php