الذكاء الاصطناعي السائل يعيد تصميم الشبكة العصبية

ربما يقوم الذكاء الاصطناعي الآن بحل الرياضيات المتقدمة، وإجراء عمليات تفكير معقدة، وحتى استخدام أجهزة الكمبيوتر الشخصية، ولكن لا يزال بإمكان خوارزميات اليوم تعلم شيء أو اثنين من الديدان المجهرية.

ستكشف Liquid AI، وهي شركة ناشئة انبثقت من معهد ماساتشوستس للتكنولوجيا، اليوم عن عدة نماذج جديدة للذكاء الاصطناعي تعتمد على نوع جديد من الشبكات العصبية “السائلة” التي لديها القدرة على أن تكون أكثر كفاءة وأقل تعطشا للطاقة وأكثر شفافية من تلك التي تدعمها كل شيء بدءًا من برامج الدردشة الآلية ومولدات الصور وحتى أنظمة التعرف على الوجه.

تشتمل نماذج Liquid AI الجديدة على نموذج للكشف عن الاحتيال في المعاملات المالية، وآخر للتحكم في السيارات ذاتية القيادة، وثالث لتحليل البيانات الجينية. وقد روجت الشركة للنماذج الجديدة، التي ترخصها لشركات خارجية، في حدث أقيم في معهد ماساتشوستس للتكنولوجيا اليوم. وقد تلقت الشركة تمويلًا من مستثمرين من بينهم Samsung وShopify، وكلاهما يختبران تقنيتها أيضًا.

يقول رامين حساني، المؤسس المشارك والرئيس التنفيذي لشركة Liquid AI، والذي شارك في اختراع الشبكات السائلة عندما كان طالبًا في معهد ماساتشوستس للتكنولوجيا: “نحن نعمل على توسيع نطاق أعمالنا”. بحث الحسني مستوحى من جيم ايليجانس، وهي دودة يبلغ طولها ملليمترًا وتوجد عادةً في التربة أو النباتات المتعفنة. الدودة هي واحدة من المخلوقات القليلة التي تم رسم خريطة لجهازها العصبي بالكامل، وهي قادرة على القيام بسلوك معقد بشكل ملحوظ على الرغم من وجود بضع مئات من الخلايا العصبية فقط. يقول الحسني: “لقد كان في السابق مجرد مشروع علمي، لكن هذه التكنولوجيا تم تسويقها تجاريًا بالكامل وهي جاهزة تمامًا لتحقيق قيمة للمؤسسات”.

داخل الشبكة العصبية العادية، يتم تحديد خصائص كل خلية عصبية تمت محاكاتها من خلال قيمة ثابتة أو “وزن” يؤثر على تحفيزها. داخل الشبكة العصبية السائلة، يخضع سلوك كل خلية عصبية لمعادلة تتنبأ بسلوكها بمرور الوقت، وتقوم الشبكة بحل سلسلة من المعادلات المرتبطة أثناء عمل الشبكة. يجعل التصميم الشبكة أكثر كفاءة وأكثر مرونة، مما يسمح لها بالتعلم حتى بعد التدريب، على عكس الشبكة العصبية التقليدية. كما أن الشبكات العصبية السائلة مفتوحة أيضًا للتفتيش بطريقة لا تخضع لها النماذج الحالية، لأن سلوكها يمكن إعادة لفه بشكل أساسي لمعرفة كيفية إنتاج المخرجات.

وفي عام 2020، أظهر الباحثون أن مثل هذه الشبكة التي تحتوي على 19 خلية عصبية و253 مشبكًا عصبيًا فقط، وهي صغيرة بشكل ملحوظ وفقًا للمعايير الحديثة، يمكنها التحكم في محاكاة سيارة ذاتية القيادة. في حين أن الشبكة العصبية العادية يمكنها تحليل البيانات المرئية فقط على فترات زمنية ثابتة، فإن الشبكة السائلة تلتقط الطريقة التي تتغير بها المعلومات المرئية بمرور الوقت بكفاءة عالية. في عام 2022، اكتشف مؤسسو Liquid AI طريقًا مختصرًا جعل العمل الرياضي اللازم للشبكات العصبية السائلة ممكنًا للاستخدام العملي.