Atualização de IA: novo algoritmo pode levar a modelos de IA mais baratos, precisos e leves

Um grupo de pesquisadores solucionou um problema fundamental no aprendizado de máquina, criando o primeiro método para lidar com dados simétricos que é garantidamente eficiente tanto em termos de computação quanto de necessidade de dados. O principal desafio é que a IA pode ser facilmente confundida pela simetria; por exemplo, ela pode ver uma molécula rotacionada como um objeto completamente novo em vez de reconhecê-la como a mesma estrutura.

Essas simetrias são importantes porque são algum tipo de informação que a natureza está nos dizendo sobre os dados, e devemos levá-las em conta em nossos modelos de aprendizado de máquina. Agora mostramos que é possível fazer o aprendizado de máquina com dados simétricos de forma eficiente. - Behrooz Tahmasebi, estudante de pós-graduação do MIT e coautor principal.

Embora alguns modelos atuais, como o Graph Neural Networks, consigam lidar com a simetria, os pesquisadores ainda não entenderam totalmente por que eles funcionam tão bem. Essa equipe do MIT diz que adotou uma abordagem diferente - projetou um novo algoritmo combinando conceitos matemáticos de álgebra e geometria para criar um sistema que possa aprender e respeitar a simetria de forma eficiente.

Esse método comprovadamente eficiente requer menos amostras de dados para treinamento, o que pode aumentar a precisão e a adaptabilidade de um modelo. Os pesquisadores afirmam que seu trabalho pode levar ao desenvolvimento de modelos de IA mais poderosos e com menos uso intensivo de recursos para uma ampla gama de aplicações, "desde a descoberta de novos materiais até a identificação de anomalias astronômicas e a revelação de padrões climáticos complexos" A pesquisa foi apresentada recentemente na Conferência Internacional sobre Aprendizado de Máquina.