Ifølge nettstedet MIT News, har forskere ved Massachusetts Institute of Technology (MIT) har utviklet en ny type kunstig intelligens som etterligner hjernens egen rytmiske aktivitet. Den nye modellen, utviklet ved MITs Computer Science and Artificial Intelligence Laboratory (CSAIL), er inspirert av nevrale oscillasjoner – naturlige svingninger i hjernens signalbehandling – og kan revolusjonere hvordan AI håndterer store og langvarige datastrømmer.
Et gjennombrudd for lange sekvenser
Kunstig intelligens har lenge hatt problemer med å analysere informasjon som utvikler seg over tid, slik som klimadata, helsesignaler eller økonomiske trender. Eksisterende modeller, såkalte state-space models, er designet for å forstå slike mønstre, men krever ofte mye datakraft og blir lett ustabile når de jobber med svært lange datasekvenser.
Den nye modellen, kalt LinOSS (lineære oscillerende tilstandsrom-modeller), løser mange av disse utfordringene ved å bruke prinsipper fra fysikken – nærmere bestemt harmoniske oscillatorer. Slike svingningsmønstre finnes også i biologiske nervesystemer, og gir modellen en naturlig stabilitet og fleksibilitet.
Stabilitet uten kompleksitet
– Vi ønsket å overføre den stabiliteten og effektiviteten vi ser i hjernens nevrale systemer til en maskinlæringsramme, forklarer forsker T. Konstantin Rusch i MIT News.
LinOSS krever langt færre tekniske tilpasninger enn tidligere modeller, samtidig som den bevarer evnen til å lære og forutsi komplekse sammenhenger mellom inn- og utdata over lange perioder. Forskerne har også matematisk bevist at modellen har det som kalles universell approksimasjonsevne – evnen til å etterligne enhver kontinuerlig, årsaksdrevet funksjon mellom datasett.
Best i test – slår ledende KI-modeller
Gjennom omfattende testing har LinOSS vist seg å være overlegent dagens beste AI-modeller i oppgaver som krever klassifisering og prediksjon av lange dataserier. I oppgaver med ekstremt lange sekvenser presterte modellen nesten dobbelt så godt som den populære Mamba-modellen.
Dette vitenskapelige gjennombruddet har også fått stor anerkjennelse internasjonalt: Forskningen er valgt ut til en muntlig presentasjon på International Conference on Learning Representations (ICLR) 2025 – en utmerkelse som kun gis til de én prosent beste bidragene.
Bredt bruksområde – også innen helseforskning og klima
MIT-forskerne tror LinOSS kan bli en viktig brikke i mange ulike sektorer som er avhengige av presise langtidsanalyser. Alt fra medisinsk dataanalyse og klimamodellering til autonome kjøretøy og finanssektoren kan dra nytte av modellens nøyaktighet og effektivitet.
– Dette er et tydelig eksempel på hvordan matematisk nøyaktighet kan skape teknologiske gjennombrudd med stor praktisk verdi, sier medforsker Daniela Rus.
Kan gi innsikt i hjernen selv
Forskerne mener også at LinOSS, i tillegg til å forbedre KI, kan bidra til dypere innsikt i hjernens egne mekanismer. Ved å etterligne biologiske prinsipper kan man ikke bare forbedre datamaskiner, men kanskje også forstå hjernen bedre.
Videre planlegger teamet å teste LinOSS på flere typer datasett og utvide bruksområdet ytterligere.
Prosjektet er støttet av det sveitsiske nasjonale forskningsrådet, Schmidt AI2050-programmet og U.S. Air Force Artificial Intelligence Accelerator.
