Les réseaux de neurones incurvés permettent un rappel de mémoire AI par conception géométrique

Une nouvelle étude internationale a introduit des réseaux de neurones incurvés – un nouveau type d'architecture de mémoire d'IA inspiré des idées de la géométrie. L'étude montre que la flexion de «l'espace» dans lequel l'IA «pense» peut créer un rappel de mémoire explosif – un effet similaire à un moment d'ampoule dans le cerveau humain. La recherche ouvre de nouveaux chemins pour l'informatique inspirée du cerveau, les neurosciences et même la robotique de nouvelle génération, offrant des outils pour mieux comprendre la mémoire elle-même.

Et si l'intelligence artificielle pouvait se souvenir des choses non seulement bien, mais plus vite ou plus de manière fiable? Une nouvelle étude internationale a introduit un nouveau type de mémoire d'IA – celui qui relève le défi non pas avec plus de données, mais avec la géométrie.

Une équipe de chercheurs du Basque Center for Applied Mathematics (BCAM), d'Araya Inc., de l'Université de Sussex et de l'Université de Kyoto a développé une nouvelle classe de modèles d'IA appelés réseaux de neurones incurvés.

Leurs résultats, publiés dans Communications de la natureMontrez comment la flexion de «l'espace» dans lequel l'IA «pense» peut créer un rappel de mémoire explosif – un effet similaire à un moment d'ampoule dans le cerveau humain.

Les systèmes d'IA traditionnels s'appuient sur des connexions relativement simples, à part entière des conversations individuelles. « Mais le cerveau humain fonctionne avec des interactions riches et multi-voies, où de nombreux signaux s'influencent tout de suite », a déclaré Miguel Aguilera à BCAM. Pour tenir compte de cela, l'équipe a introduit la géométrie incurvée dans des modèles d'IA, permettant des processus de mémoire plus complexes et réalistes – sans surcharge de calcul supplémentaire.

Les réseaux de neurones incurvés de l'équipe ont révélé trois caractéristiques clés: le rappel de la mémoire explosif, dans lequel le système peut facilement passer à une mémoire stockée, comme retourner un commutateur; L'intelligence auto-réglante, dans laquelle l'IA ajuste automatiquement sa « concentration » comme elle se souvient, accélérant sa réponse; et moins d'erreurs, dans lesquelles un seul paramètre de réglage permet l'équilibre du système entre la puissance de la mémoire et la précision.

« Ces propriétés ne sont pas codées en dur, mais découlent naturellement de la géométrie courbe du modèle », a déclaré Pablo A Morales à Araya Inc. Cette découverte pourrait conduire à des systèmes d'IA qui sont plus adaptatifs, efficaces et plus faciles à comprendre.

« C'est un exemple convaincant de la façon dont la géométrie et la physique peuvent guider les progrès de l'intelligence – à la fois naturels et artificiels », a déclaré Fernando E. Rosas de l'Université du Sussex. « Ce travail ouvre de nouvelles façons de penser comment les cerveaux et les machines peuvent stocker et récupérer efficacement les informations. »

Hideaki Shimazaki, professeur agrégé à l'Université de Kyoto, a ajouté: « Ce qui a commencé comme une idée simple – en utilisant la géométrie incurvée dans les réseaux neuronaux – non repris dans un voyage profondément collaboratif. La découverte contribuera sans aucun doute à l'avenir de l'IA. »