模仿人腦運作的機器學習算法 下一代儲備池計算速度將提高百萬倍

儲備池計算(Resevoir computing)，一種模仿人腦運作的機器學習算法，正在徹底改變科學家處理最復雜的數據處理挑戰的方式。現在，研究人員發現了一種新技術，可以使其在特定任務上的速度提高100萬倍，同時使用更少的數據輸入的計算資源。

利用下一代技術，研究人員能夠在一臺臺式電腦上用不到一秒鐘的時間解決一個復雜的計算問題，如預測天氣等隨時間變化的動態系統的演變等。這些系統可能極難預測，“蝴蝶效應”就是一個著名的例子。儲備池計算非常適合學習這種動態系統，并能對它們在未來的行為提供準確的預測;然而，系統越大、越復雜，就需要更多的計算資源、人工神經元網絡和更多的時間來獲得準確的預測。

日前，來自俄亥俄州立大學物理學教授Daniel Gauthier領導的研究小組對儲備池計算系統進行了簡化，大大減少了對計算資源的需求，并節省了大量時間。根據發表在《自然-通訊》雜志上的研究報告，下一代儲備池計算技術明顯優于其他技術。

根據數據的不同，新方法被證明能夠比上一代技術提升33到163倍的速度。然而，當工作目標被改變為有利于準確性時，新模型的速度提高了100萬倍。這種速度的提高是由于下一代儲備池計算比前幾代需要更少的預熱和訓練。

Gauthier在一份新聞稿中解釋說：“對于我們的下一代儲備池計算，幾乎不需要預熱時間。”目前，科學家們必須投入1000或10000個數據點或更多的數據來進行預熱。而這都是丟失的數據，是實際工作中不需要的。最新一代技術只需要放入一個或兩個或三個數據點就可以了。

此外，新技術僅用28個神經元就能達到同樣的精度，而當前一代模型需要4000個神經元。

研究人員計劃在未來針對更困難的任務測試超高效的神經網絡，將工作擴展到更復雜的計算機問題，如流體動力學預測。

關鍵詞： 模仿人腦 運作 機器學習 算法