Физики создали «Периодическую таблицу» для ИИ: новый фреймворк упорядочит хаос в алгоритмах

Исследователи из Университета Эмори (США) разработали унифицированный математический подход, систематизирующий создание алгоритмов искусственного интеллекта. Новый фреймворк, представленный в The Journal of Machine Learning Research, упорядочивает методы машинного обучения подобно тому, как Периодическая таблица систематизирует химические элементы. Это позволит заменить эмпирический подбор алгоритмов на точный физический расчет.

Главная проблема современного ИИ — отсутствие фундаментального понимания причин эффективности тех или иных моделей. Разработчики мультимодальных систем (работающих с текстом, видео и звуком) вынуждены перебирать сотни вариантов «функций потерь» (loss functions), чтобы найти рабочий вариант методом проб и ошибок.

Физики под руководством профессора Ильи Неменмана предложили решение — фреймворк «Вариационное многомерное информационное бутылочное горлышко». Метод базируется на теории информации: успешный ИИ должен работать как фильтр, отбрасывая весь информационный шум и сохраняя лишь критически важные для прогноза данные.

Авторы доказали, что большинство успешных современных алгоритмов, несмотря на внешние различия, математически сводятся к этому принципу. Новый подход позволяет классифицировать их в зависимости от параметров сжатия информации, создавая структурированную таблицу методов.

Внедрение этой системы переводит разработку ИИ из области интуиции в область точных наук. Инженеры смогут заранее рассчитывать оптимальную архитектуру под конкретную задачу, что исключает месяцы обучения заведомо неподходящих моделей. Кроме того, фреймворк позволяет создавать эффективные алгоритмы даже в условиях дефицита обучающих данных.

Отдельным преимуществом станет экологичность: отказ от лишних вычислений снизит нагрузку на дата-центры и, как следствие, углеродный след индустрии. По мнению авторов, новый метод не только оптимизирует код, но и приближает нас к пониманию работы человеческого мозга, который обрабатывает сенсорную информацию по схожим принципам фильтрации.