Tutkimus: Muunnellut tekoälyt ylittävät optimoidut mallit muuttuvassa ympäristössä

Allora Labsin uusi tutkimus viittaa siihen, että tekoälyjärjestelmien suorituskykyä voidaan parantaa tarkoituksella heikentämällä yksittäisiä malleja geneettisillä mutaatioilla. Julkaisussa esitetyt tulokset haastavat perinteiset optimointimenetelmät, jotka pyrkivät luomaan täydellisiä malleja. Sen sijaan tutkimus ehdottaa, että muuttuvassa ympäristössä vähemmän optimoidut, mutta mutatoituneet mallit voivat yhdessä tuottaa parempia tuloksia.

Yhtiön mukaan nämä "mutantti-AI-parvet" pystyvät paremmin sopeutumaan ennakoimattomiin muutoksiin ja ympäristöihin, joissa data tai olosuhteet muuttuvat nopeasti. Tämä lähestymistapa eroaa perinteisistä tekoälymalleista, jotka saattavat menettää tehokkuutensa, kun niiden koulutusdata tai toimintaympäristö poikkeaa merkittävästi alkuperäisestä.

Tutkimus keskittyi siihen, miten nämä yksittäiset heikennykset vaikuttavat koko tekoälyparven kollektiiviseen älykkyyteen. Tulokset osoittavat, että useiden heikentyneiden mallien yhteistyö voi tuottaa joustavampia ja robustimpia ratkaisuja verrattuna yhden, korkeasti optimoidun mallin käyttöön.

Allora Labsin löydökset voivat vaikuttaa tekoälyn kehitykseen ja käyttöönottoon esimerkiksi robotiikassa, autonomisissa järjestelmissä ja ennakoimattomissa data-analyyseissä, joissa vaaditaan nopeaa sopeutumiskykyä.