AI는 건강 관리 진단 개선부터 우리의 도시를 똑똑하게 만드는 것까지 무한한 잠재력을 제공합니다. 이런 잠재력을 실현하기 위해서는 기술적이고 사회적인 도전 과제를 해결하는 능력에 크게 의존하고 있습니다. 이런 문제를 해결하기 위해 ‘유체 신경망’이라는 새로운 기계 학습 아이디어를 개발하기 시작했습니다. 유체 AI의 핵심 개념은 자율주행 자동차의 적용 예를 통해 설명할 수 있습니다. 전통적인 심층 신경망(딥 러닝)을 사용한 자율주행차는 꽤 잘 작동하지만, 이 차량이 어떻게 결정을 내리는지 알아내는 것은 매우 복잡합니다. 따라서 우리는 이를 개선하고자 했습니다. 유체 신경망을 사용하면, 이 문제에 대한 새로운 해결책을 제시할 수 있습니다. 이 모델은 인공 뉴런 19개로 구성되어 있고, 주목도는 굉장히 명확하며 도로 수평선과 도로 옆면에 집중하게 됩니다. 이는 유체 신경망이 딥러닝보다 작업을 더 잘 이해하는 것처럼 보입니다.
또한, 이들 네트워크는 매우 간결하기 때문에 다른 많은 장점들을 가집니다. 우리는 이 19개의 뉴런의 출력을 의사결정 나무로 변환할 수 있습니다. 이렇게 하면 이러한 네트워크가 어떻게 결정하는지를 사람들에게 보여줄 수 있습니다. 우리는 유체 네트워크를 다양한 다른 애플리케이션에 적용할 수 있습니다. 이해할 수 있는 기계 학습이 가능한 세상에 더 가까워졌습니다. 이러한 네트워크는 인과관계를 학습할 수 있으며, 기존의 RNN 등의 방정식으로 정의되는 다른 모델들과는 달리, 이 네트워크들은 그들의 출력이 특정한 개입에 의해 변경되는 것을 인식하고, 원인과 결과를 연관시키는 방법을 학습합니다. 마지막으로, 숲에서 드론을 어떻게 날릴 것인지를 학습시키는 문제를 다룹니다. 여기에서도 유체 네트워크는 뛰어난 성능을 보여주었습니다.
─
원문 URL : https://www.youtube.com/watch?v=0FNkrjVIcuk
원문 제목 : Liquid Neural Networks, A New Idea That Allows AI To Learn Even After Training
