lang icon Danish
Auto-Filling SEO Website as a Gift

Launch Your AI-Powered Business and get clients!

No advertising investment needed—just results. AI finds, negotiates, and closes deals automatically

April 25, 2025, 2:13 a.m.
15

MIT-forskere udvikler det periodiske system, der forener over 20 klassiske algoritmer til maskinlæring

MIT-forskere har udviklet et periodisk system, der illustrerer forbindelserne mellem over 20 klassiske maskinlæringsalgoritmer, hvilket giver indblik i, hvordan kombinationen af strategier fra forskellige metoder kan forbedre eksisterende AI-modeller eller inspirere til nye. Ved hjælp af denne ramme skabte de en ny billedklassifikationsalgoritme, som forbedrede ydeevnen med 8 procent i forhold til de nuværende førende teknikker. Konceptet bag tabellen er, at alle disse algoritmer lærer specifikke relationer mellem data punkter, hvor de grundlæggende matematiske principper deles på tværs af dem, selvom implementeringerne varierer. Herfra identificerede holdet en enhedsligning, der ligger til grund for mange klassiske AI-algoritmer, som de brugte til at omformulere populære metoder og organisere dem i en tabel baseret på de typer af relationer, hver algoritme lærer. Ligesom det kemiske periodesystem—with tomme pladser, der forudsiger ubeskrevne elementer—indeholder maskinlæringstabellen også huller, der antyder, hvor endnu ikke-opfundne algoritmer kan eksistere. Dette værktøj giver forskere mulighed for at designe nye algoritmer uden at skulle genopfinde tidligere ideer, som Shaden Alshammari, ledende forfatter og MIT-studerende, bemærker. Hun understregede, at maskinlæring nu kan ses som et struktureret system, der er klar til udforskning i stedet for blot gætteri. Forfatterne af artiklen inkluderer John Hershey (Google AI Perception), Axel Feldmann (MIT-studerende), William Freeman (MIT-professor og CSAIL-medlem) og seniorforfatteren Mark Hamilton (MIT-studerende og Microsofts ingeniørleder). Deres forskning vil blive præsenteret på den Internationale Konference om Learning Representations. Opdagelsen af den enhedsligning var tilfældig. Alshammari havde oprindeligt studeret klyngealgoritmer, der grupperer lignende billeder, og lagde mærke til ligheder med contrastive learning-metoder. Ved at undersøge nærmere fandt hun, at begge kunne beskrives af den samme underliggende ligning.

Som Hamilton minder om, da de opdagede denne forbindelse, integrerede de næsten alle testede klassiske metoder i denne samlede ramme. Den kaldes information contrastive learning (I-Con), og rammeværket viser, hvordan forskellige algoritmer—fra spamdetekteringsklassificører til dyb læring, der driver store sprogmodeller—kan tolkes gennem denne ligning. Ligningen fanger, hvordan algoritmer tilnærmer sig relationer mellem data punkter ved at minimere afvigelser fra de faktiske forbindelser i træningsdataene. For at kategorisere disse algoritmer organiserede forskerne I-Con i et periodisk system, der sorterer metoder baseret på arten af data punkternes forbindelser og de vigtigste tilnærmningsteknikker. Alshammari bemærker, at det at identificere den generelle equation-struktur simplificerede tilføjelsen af flere algoritmer til rammen. Mens de konstruerede tabellen, identificerede teamet huller, hvor nye algoritmer kunne passe ind. De fyldte et af disse hulrum med en kombination af ideer fra contrastive learning og image clustering, hvilket resulterede i en algoritme, der klassificerer ukendte billeder 8 procent bedre end en topmoderne baseline. De viste også, hvordan en contrastive learning-debiasing teknik kan øge clustering-precisionen. Designet af tabellen er fleksibelt, hvilket tillader tilføjelse af nye rækker og kolonner, så den kan rumme nye typer af datRelationer. Hamilton foreslår, at I-Con opfordrer forskere til at tænke kreativt og fremmer kombinationer af ideer, de måske ikke tidligere har overvejet. Samlet set dækker denne elegante, samlede ligning, der er baseret på informationsvidenskab, et århundrede af maskinlæringsforskning og åbner mange veje for fremtidige opdagelser. Yair Weiss, professor ved Det Hebraiske Universitet i Jerusalem, der ikke var involveret i studiet, roste I-Con som et sjældent eksempel på et samlende værk, der kan inspirere lignende indsatser inden for maskinlæringsfelterne, især i lyset af den store mængde nye forskningsartikler hvert år. Denne forskning er blevet støttet af Air Force Artificial Intelligence Accelerator, National Science Foundation AI Institute for Artificial Intelligence and Fundamental Interactions samt Quanta Computer.



Brief news summary

MIT-forskere har skabt et samlet "Det Periodiske System" med over 20 klassiske maskinlæringsalgoritmer ved hjælp af en ny matematisk ramme kaldet information contrastive learning (I-Con). Denne ramme viser, at mange algoritmer fungerer ved at minimere forskelle mellem forudsagte og faktiske relationer i data. Ved at kategorisere algoritmer baseret på disse relationer og deres tilnærmningsmetoder organiserer tabellen ikke kun eksisterende teknikker, men afdækker også nye muligheder for algoritmeudvikling. Et væsentligt resultat af dette arbejde er en ny billedklassifikationsmetode, der kombinerer contrastive learning med clustering, hvilket fører til en forbedring på 8% i nøjagtighed i forhold til de bedste modeller. Ledet af MIT-kandidaten Shaden Alshammari og samarbejdspartnere fra MIT og Google AI, blev forskningen præsenteret på den Internationale Konference om Learning Representations og støttet af Air Force og NSF. Denne samlede opfattelse af et århundredes fremskridt inden for maskinlæring forventes at fremskynde AI-udviklingen ved at fremme systematisk innovation og reducere dobbeltsatsninger på tværs af forskellige felter.
Business on autopilot

AI-powered Lead Generation in Social Media
and Search Engines

Let AI take control and automatically generate leads for you!

I'm your Content Manager, ready to handle your first test assignment

Language

Content Maker

Our unique Content Maker allows you to create an SEO article, social media posts, and a video based on the information presented in the article

news image

Last news

The Best for your Business

Learn how AI can help your business.
Let’s talk!

May 27, 2025, 3:26 p.m.

AI-drevne sundhedsløsninger: Forandring af patien…

Kunstig intelligens (AI) revolutionerer hurtigt sundhedssektoren ved at introducere innovative løsninger, der væsentligt forbedrer patientpleje og driftsmæssig effektivitet.

May 27, 2025, 2:46 p.m.

Blockchain.com udvider i hele Afrika, mens krypto…

Virksomheden udvider sin tilstedeværelse på kontinentet, efterhånden som mere tydelige regler for kryptovaluta begynder at tage form.

May 27, 2025, 1:40 p.m.

Meta omorganiserer AI-team for at kunne konkurrer…

Meta gennemgår en større omstrukturering af sine artificielle intelligens (AI) teams for at fremskynde udviklingen og implementeringen af innovative AI-produkter og funktioner i takt med stigende konkurrence fra virksomheder som OpenAI, Google og ByteDance.

May 27, 2025, 1:05 p.m.

Blockchain.com udvider i Afrika, mens de lokale k…

Blockchain.com intensiverer sit fokus på Afrika, med mål om markeder, hvor regeringerne begynder at etablere kryptoreguleringer.

May 27, 2025, 11:28 a.m.

Bilal Bin Saqib udpeget som særlig assistent for …

Prime Minister Shehbaz Sharif har udnævnt Bilal Bin Saqib, administrerende direktør for Pakistan Crypto Council (PCC), til sin særlige assistent inden for blockchain og kryptovaluta, og har givet ham status som minister for statsetat.

May 27, 2025, 11:21 a.m.

To veje for kunstig intelligens

Sidste forår opsagde Daniel Kokotajlo, en AI-sikkerhedsforsker hos OpenAI, sit job i protest, overbevist om, at virksomheden var uforberedt på AI-teknologiens fremtid og ønskede at advare.

May 27, 2025, 9:43 a.m.

Blockchain Group foretager et dristigt træk: rejs…

Kryptomarkedet oplever i øjeblikket kraftige vinde, og Blockchain Group har netop tilføjet betydelig digital brændstof til ilden.

All news