To unikatowe oprogramowanie, umożliwiające łatwe wykorzystanie liczb hiperzespolonych do tworzenia sztucznych sieci neuronowych. Rozwiązanie, otwarte dla programistów z całego świata, to krok w kierunku AI nowej generacji. Pozwala budować bardziej zaawansowane, elastyczne i transparentne modele uczenia maszynowego. Może to w globalnej skali zrewolucjonizować sposoby przetwarzania danych w wielu dziedzinach życia – nauce, medycynie, cyberbezpieczeństwie, ekonomii, przemyśle, kulturze i innych.
Neurony wykonują operacje
Badacze z Politechniki Krakowskiej, Uniwersytetu Warmińsko-Mazurskiego w Olsztynie, Politechniki w Walencji (Hiszpania) i Uniwersytetu w Ostrawie (Czechy) opracowali bibliotekę architektur sieci neuronowych o nazwie Hypercomplex Keras. To innowacyjne narzędzie pomaga nawet początkującym programistom w łatwy sposób tworzyć nowe sztuczne sieci neuronowe, oparte na liczbach hiperzespolonych.
Środowiska akademickie i naukowcy zajmujący się AI i uczeniem maszynowym mogą wykorzystać wyniki naszych badań, aby usprawnić istniejące modele, a także lepiej zrozumieć działanie sieci neuronowych. Jesteśmy świadkami narodzin nowej ery w sztucznej inteligencji – ery hiperzespolonej
- mówi dr Radosław Kycia z Katedry Informatyki Wydziału Informatyki i Telekomunikacji Politechniki Krakowskiej.
Biblioteka Hypercomplex Keras była tworzona przy wsparciu międzynarodowej społeczności deweloperów narzędzia Keras – i jak zaznacza dr Radosław Kycia – została przez nią ciepło przyjęta.
Keras dostarcza specjalistycznych warstw do konstrukcji sieci neuronowych. Te warstwy układane są jedna na drugiej jak klocki, tworząc skomplikowaną sieć neuronową o większych możliwościach. Nasze narzędzie Hypercomplex Keras jest analogiczną biblioteką, za pomocą której udostępniamy warstwy, w których neurony potrafią wykonywać operacje, ale przy użyciu dowolnej algebry hiperzespolonej. I tak, skomplikowany konstrukt jakim są sieci hiperzespolone, jest dostępny dla programisty lub technika niemającego specjalistycznej wiedzy z zakresu struktur hiperzespolonych
- tłumaczy dr Radosław Kycia.
Kwaterniony, oktoniony, algebry Clifforda
Efektem międzynarodowego projektu jest, między innymi, opracowanie nowych architektur hiperzespolonych sieci neuronowych, udostępnionych w postaci bezpłatnego i otwartego (Open Source) pakietu Hypercomplex Keras.
Biblioteka zaproponowana przez naukowców integruje się z – popularnym już wcześniej – narzędziem Keras do efektywnego tworzenia skomplikowanych, specjalistycznych warstw neuronowych pozwalających konstruować sieci neuronowe. Przede wszystkim jednak stanowi znaczne rozszerzenie znanej programistom biblioteki. Dzięki badaczom z Politechniki Krakowskiej, Hypercomplex Keras może być teraz wykorzystywana przez praktycznie każdą osobę na świecie do tworzenia własnych, użytecznych rozwiązań AI.
Ale czym są liczby zespolone?
Można je sobie wyobrazić sobie jako pary, trójki, a nawet całe sekwencje liczb. Możemy je mnożyć w ustalony sposób, tak aby spełnione były – przynajmniej częściowo – prawa mnożenia i dodawania, znane nam z arytmetyki liczb rzeczywistych. Dzięki tym właściwościom uzyskujemy taki efekt, jakbyśmy do świata liczb rzeczywistych dodali nowe wymiary
- wyjaśnia dr Kycia.
Przykładami liczb hiperzespolonych są liczby zespolone, kwaterniony, oktoniony oraz algebry Clifforda, mające znaczenie w opisie przyrody na fundamentalnym poziomie (większa część praw fizyki).