Prefrontal-laboratorio esittelee uuden menetelmän tekoälyn tiedonkäsittelyyn
Tekoälylaboratorio Prefrontal on kehittänyt menetelmän, joka nopeuttaa suurten tietoaineistojen käsittelyä tekoälymalleissa.
Professorit James Whittington ja Ruairidh Battleday, jotka johtavat brittiläistä Prefrontal-tekoälylaboratoriota, ovat julkaisseet tutkimuksen Latent Sparse Attention (LSA) -menetelmästä. Tutkimus pyrkii ratkaisemaan tekoälymallien huomiomekanismeihin liittyviä laskennallisia rajoitteita, jotka hidastavat suurten tietomäärien prosessointia.
LSA-menetelmän avulla tekoäly voi järjestää tietoa merkityksen eikä sijainnin perusteella. Testien mukaan menetelmä nopeuttaa huomiokerrosten käsittelyä jopa 72,4-kertaisesti perinteisiin malleihin verrattuna. Tämä parannus on merkittävä, sillä konteksti-ikkunoiden kasvattaminen on tällä hetkellä laskennallisesti kallista ja hidasta.
Tutkimus jatkaa tiimin aiempaa työtä DiG-bench-viitekehyksen parissa. Aiempi tutkimus osoitti, että nykyisillä tekoälymalleilla on vaikeuksia oppia uusia sääntöjä itsenäisen kokeilun kautta verrattuna ihmiskäyttäjiin. Prefrontal keskittyykin kehittämään ihmismielen inspiroimia tekoälyratkaisuja, jotka tukevat tieteellistä tutkimusta.
Prefrontal toimii tällä hetkellä salassa (stealth-tila), ja yritys kehittää arkkitehtuureja, joiden tavoitteena on tehostaa koneiden kykyä analysoida valtavia tietoaineistoja tieteellisen löytämisen edistämiseksi.