這可能是下一代 AI 曙光：MIT 模擬生物神經元，打造 LNN 液體神經網路

:0:0

這是一種模擬生物大腦中的突觸與神經元，可以不斷適應新資料輸入的 AI 模型，目前版本具有 302 個神經元和 8000 組突觸連接，不要小看好像很少....

大家是不是常聽到藝術家、科學家常常從大自然中獲得靈感？美國麻省理工學院（MIT）電腦科學與人工智慧實驗室（CSAIL）科學家在思考下一代的 AI 時，再度向生物取了一次經，設計出了液體神經網路（Liquid Neural Networks，LNN）。
這是一種模擬生物大腦中的突觸與神經元，可以不斷適應新資料輸入的 AI 模型。當模型接受新資料時，LNN 處理這些資料的虛擬突觸會啟動神經元傳遞、處理資料，就跟生物神經元藉由化學物質，在不同突觸間形成電流傳導一樣。
MIT 科學家 Ramin Hasani 表示目前模擬的是秀麗隱桿線蟲的神經網路，具有 302 個神經元和 8000 組突觸連接，不要小看好像很少，Ramin Hasani 表示光是這樣就足以產生出乎意料的復雜動力學。
最近他們為了印證 LNN 的潛力，特別把 LNN 跟其他三種神經網路模型安裝在一台無人機上，測試這些模型在完全陌生的環境下進行飛向目標、壓力測試、繞目標旋轉、動態目標跟蹤等實驗。
結果發現 LNN 壓勝其他模型，與傳統神經網絡相比，LNN 偏離飛行路線的狀況更少，甚至在飛向目標的成功率高達 90% 以上。
MIT 科學家表示比起傳統神經模型，LNN 更適合直接從非結構化、未標記的資料中學習並作出反應；不只如此，比起其他傳統模型最終運行過程都像「黑盒子」難以判別怎麼做出結論，程度上科學家可以從 LNN 傳遞資料的形式更能理解 AI 做出決策的過程。
這次實驗就是很好的例子，科學家就觀察到 LNN 可以從視覺輸入中直接鎖定給與的任務目標，並丟棄不相關的特徵來進一步提升準確率，這也讓有 LNN 的無人機更不怕突然下雨、颳風，對突然其來或混亂的資料更具適應力。

[圖擷取自網路，如有疑問請私訊]