UTSA MATRIX AI联盟获得200万美元资金以提高AI效率
国家科学基金会 (NSF) 通过其新兴前沿研究计划 (EFRI) 计划向 UTSA MATRIX AI 人类福祉联盟的研究人员提供了 200 万美元的资助，用于帮助缩小人类大脑处理效率之间差距的研究 以及当前人工智能(AI)模型的局限性。
这项努力旨在创造一种新形式的人工智能，能够在不确定的条件下快速学习、适应和运行，同时有效解决困扰现代人工智能的能源挑战。
Dhireesha Kudithipudi是 UTSA 电气与计算机工程系 McDermott 捐赠主席、MATRIX AI 创始董事，是该项目的首席研究员 (PI)。她的联合 PI 包括 Christopher Kanan (罗切斯特大学)、 Garrett Rose (田纳西大学诺克斯维尔分校)、 John Basl(东北大学)和 UTSA 心理学系助理教授Itamar Lerner 。
玛吉和比尔·克莱斯工程与综合学院临时院长埃里克·布雷 (Eric Brey)表示：“这笔用于开拓性研究的 200 万美元拨款代表着朝着释放人工智能潜力、使其与人脑的高效时间学习原理保持一致迈出的重要一步。” UTSA 的设计。“其影响是巨大的，充满希望的未来是人工智能系统不仅高效，而且具有适应性和终身学习能力，将彻底改变行业并造福整个社会。”
该团队将从时间支架假说中汲取灵感，该理论反映了人类大脑在清醒和睡眠期间处理时间模式的能力。与当代人工智能模型不同，人脑擅长做许多不同的事情并处理与不同时间范围相关的信息，同时只消耗很少的能量。这种鲜明的对比是创建能够模拟人脑适应性和效率的人工智能模型背后的驱动力。
根据这一假设，我们的大脑擅长通过在睡觉时快速重播我们的日常经历来理解模式。研究团队希望创建类似工作方式的计算机系统，帮助我们有效地解决复杂问题。这些系统可用于医疗保健、自动驾驶技术和国家安全等重要领域。
“这项研究将有助于创建新的计算机程序，以更简单的方式快速模拟和理解我们过去的经历。通过结合脑科学思想和现实生活中的实验，我们可以测试和改进这些计算机程序的工作方式，改变我们研究它们的方式Kudithipudi 说。“复制我们的大脑如何了解时间有助于人工智能需要更少的电力，这是当今人工智能技术的一个大问题。”
勒纳补充道：“我们都非常擅长检测时间模式，即使我们没有预料到它们。”“例如，想象一下你第一次意识到教堂钟声敲响的次数可以告诉你当前的时间。这个项目的目标是探索睡眠帮助我们捕捉这些重要模式的可能性，并尝试通过机器学习将其应用到人工智能系统中，从而推动基于神经科学原理的人工智能领域的发展。”
除了推进人工智能技术之外，该项目还致力于增强人工智能领域未来劳动力的能力。该团队致力于为人工智能领域代表性不足的学生提供新的培训机会，培养一支有竞争力的人工智能劳动力队伍，以保持国家在科学、技术、工程和数学(STEM)方面的领导力和竞争力。
版权声明：本文由用户上传，如有侵权请联系删除！