AI-nyhederJunaid Farooq lærer AI at huske som et træ
Ny metode gemmer viden i træstruktur, så søgninger bliver hurtigere og mere præcise på tværs af detaljeniveauer.
Det nye trick
Forsker Junaid Farooq har opfundet Semantic Compression Trees – en måde at organisere AI-viden på, der minder om et stamtræ. Øverst i træet ligger det overordnede, og længere nede bliver detaljerne finere. Systemet gemmer kun forskellene mellem niveauerne, ikke alting dobbelt, så hukommelsen bliver kompakt.
Hurtigere søgning
Når AI'en skal svare, starter den øverst og springer direkte ned til det rigtige detaljeniveau – i stedet for at rode hele bunken igennem. Det gør den væsentlig hurtigere end ældre metoder og sparer samtidig plads. Test viser, at metoden klarer sig godt på både tekst og billeder.
Hvad kan det bruges til?
Tænk på AI-assistenter, der skal svare hurtigt og præcist, eller søgemaskiner, der skal finde nålen i høstakken. Teknikken kan også hjælpe i sundheds- og finansverdenen, hvor mange data skal gennemsøges på et splitsekund.
- Metoden bygger på hierarkiske semantiske residualer – forskelle mellem niveauer.
- AI'en kan både svare overordnet og i dyb detalje fra samme træstruktur.
- Koden og testresultaterne er lagt åbent frem for andre forskere.
- Træet gør hukommelsen mere kompakt, fordi detaljer kun gemmes én gang.
- Metoden er afprøvet på tekst- og billeddata med lignende nøjagtighed.
Du får hurtigere og billigere AI-assistenter og søgemaskiner, der kan grave dybere i data – uden at svartiden eksploderer.
Kilder:
arXiv cs.AI →
Genfortalt i egne ord af AI-nyheder.com · Tjek altid originalkilden, før du handler på vigtige oplysninger.