Liquid AI – новый виток эволюции нейросетей из MIT 

Стартап Liquid AI, созданный группой ученых Массачусетского технологического института (MIT), недавно «вышел из тени», проведя презентацию своей разработки и объявив о сборе инвестиций для продолжения исследований. 

Да, еще одна нейросеть, хайп вокруг которых в последние пару лет абсолютно оправдан: это мощный инструмент, не только облегчающий работу в сферах индустрии и научных разработок, но и помогающий обычным людям во много раз быстрее справляться с проведением исследований на бытовом уровне, поиском идей и работой с документами. 

Современные представители семейства AI, такие, как DALLE, ChatGPT, Bard и пр., в разной степени эффективны в пределах своих конкретных задач, однако каждая из них требует огромных ресурсов для продолжения разработок и поддержания функционирования уже имеющихся систем. 

Главная инновативность бостонской Liquid AI заключается в эргономичности ее алгоритмов, принцип работы которых авторы «подсмотрели» в дикой природе: они потребляют куда меньше энергии для обучения, а следовательно, являются не только более доступными, но и в разы более экономичными в содержании. 

Как это работает, где использовать, и чем разработки Liquid AI отличаются от деятельности коллег из OpenAI – далее в материале. 

О биологии AI

В упрощенном формате, основным показателем мощности нейросети в соотношении с ее энергозатратностью является количество: 

• нейронов – они представляют собой простейшую составляющую нейросети, которая выполняет определенную функцию или ряд функций; 
• параметров – проводя аналогию с биологией, они выполняют роль синапса, соединения между нейронами, которое отвечает за выполнение определенной задачи (в контексте ChatGPT это – генерация текста). 

Для примера, система GPT3 (проще говоря, язык, на котором раньше работало детище OpenAI) содержала около 50 000 нейронов и 175 млрд параметров. Функционирующая система Liquid AI, заточенная под конкретную задачу, например, управление дроном, содержит около 20 000 параметров и менее 20 нейронов. 

Такая особенность «машинной нейрофизиологии» делает процесс настройки нейросети куда более простой задачей – архитектору искусственного интеллекта проще разобраться в функционировании 20 конкретных нейронов, нежели в разветвленной сети из нескольких десятков тысяч. 

Как появилась Liquid AI

В основе разработки лежит технология Liquid Neural Network (буквально: «жидкая нейросеть»), которая значительно сокращает количество необходимых ресурсов и архитектурных структур для выполнения конкретной задачи. 

Ее разработка началась еще в 2018 году, а отправной точкой в организации самого стартапа послужила статья нескольких ученых MIT – Даниэлы Рас, Рамина Хасани, Матиаса Лекнера и Александера Амини, в которой они описали концепцию работы и возможности применения своей разработки. Вдохновлялись исследователи устройством нервной системы кольчатых червей, где при минимальном количестве нейронов наблюдается крайне высокая плотность связей между ними. 

Этот тип нейросетей эффективно использует так называемые time-sensitive data – объемы информации, напрямую связанные с конкретными временными параметрами. В силу этого они прекрасно подходят для прогнозов погоды, анализа тенденций финансового рынка и даже управления транспортным средством в потоке машин. 

Кому это нужно, и где это можно использовать?

Главный продукт Liquid AI – это автономные нейросети узкой специфики для конкретного пользователя, которые могут служить для научных исследований, оптимизации промышленности или даже нужд оборонной индустрии. 

Такие нейросети не основаны на работе глобального сервера, подобно разработкам OpenAI, а следовательно, не требуют обязательного наличия специального оборудования и могут быть фактически «вручную» перенастроены по желанию владельца. 

Один очевидный минус такой минималистской нейроархитектуры – пропускная способность данных: она решается масштабированием системы, т.е. наслоением новых нейронов, а следовательно, и параметров, что на данный момент, по словам экспертов – довольно дорогое удовольствие. 

Что дальше?

В целом описание технологии звучит оптимистично – небольшая частная нейросеть, которая никуда не отправляет ваши данные, да и к тому же не требует от вас наличия мощностей как у компьютера NASA. Впрочем, практическое ее применение пока еще остается на уровне гипотез, и сейчас компания активно привлекает инвесторов для финансирования расширения своих исследовательских ресурсов. 

Liquid AI уже собрала около $37 млн, которые пришли, например от совладельца Boston Celtics, исполнительного директора Thermo Fisher, венчурной фирмы из Сан-Франциско OSS Capital и др. 

Читайте наш дайджест, подписывайтесь на него в Facebook, Instagram, Telegram – в нем мы рассказываем об истории и о сегодняшнем дне Америки, и в первую очередь о том, что происходит в Бостоне и Массачусетсе – здесь вы найдете много интересной информации по широкому кругу тем. Звоните также для получения консультации или организационной помощи, если собираетесь в США, по делам и не только.