Prišli do prelomnega odkritja o tem, kako se UI uči na podlagi vzorcev

Statistična fizika že štiri desetletja ponuja okvir za analizo nevronskih mrež. Dolgo pa je ostajalo odprto vprašanje, ali lahko z njimi razložimo tudi modele globokega učenja umetne inteligence (UI) oziroma, kako pravzaprav UI v podatkih prepoznava vzorce in se od teh uči. Na to vprašanje je odgovorila ekipa petih raziskovalcev pod vodstvom francoskega fizika Jeana Barbierja iz Mednarodnega centra za teoretsko fiziko (ICTP) Abdus Salam v Trstu, ki je opisala, kako se določena vrsta globoke nevronske mreže uči iz podatkov. Njihove ugotovitve pa bi lahko v prihodnje pomagale razviti učinkovitejše in cenejše načine urjenja umetne inteligence. Rezultate raziskave so julija objavili v znanstveni reviji Physical Review X, pri raziskavi je sodeloval tudi tržaški Slovenec Rudy Skerk, doma iz Saleža.

27-letni Skerk je doktorand na Mednarodni šoli za napredne študije Sissa, kjer je vpisan na študijski program Theoretical and Scientific Data Science, prihodnjih šest mesecev pa bo raziskovalno dejavnost nadaljeval na visoki šoli École normale supérieure v Parizu. Pri raziskavi so sodelovali še Mauro Pastore, Francesco Camilli in Minh Toan Nguyen.

»Naredili smo korak naprej s tem, da smo za določeno vrsto nevronskih mrež razumeli, koliko podatkov potrebujejo modeli UI, da lahko delujejo učinkovito,« je pojasnil raziskovalec. To pa je uspelo po skoraj 40 letih raziskav na tem področju, je še povedal Skerk, ki se je raziskovalni ekipi pridružil pred letom in pol, Barbier pa se je s tem problemom ukvarjal dobrih deset let.

Več v današnjem (nedeljskem) Primorskem dnevniku