Araştırmacılar, yapay zekanın temel taşlarından normalleştirici akışlar ile matematikteki Kähler-Ricci akışları arasında beklenmedik bir bağlantı keşfetti. Bu çalışma, veri analizi için kullanılan karmaşık normalleştirici akışların, diferansiyel geometrideki eğrilik teorileriyle nasıl örtüştüğünü ortaya koyuyor. Keşif, makine öğrenmesi algoritmalarının matematiksel temellerini daha derin anlamaya ve yeni optimizasyon yöntemlerinin geliştirilmesine kapı açabilir. Araştırma, özellikle olasılık dağılımlarının dönüşümünde kullanılan logaritmik determinantların, geometrik eğrilik terimleriyle aynı matematiksel yapıyı paylaştığını gösteriyor.

arXiv (CS + AI) 0

Teknoloji & Yapay Zeka

21 Apr

Yapay Zeka Modellerinde Hesaplama Süresini 100 Kat Azaltan Yeni Yöntem

Araştırmacılar, yapay zeka modellerinin en büyük sorunlarından birini çözecek yenilikçi bir yöntem geliştirdi. Flow tabanlı üretici modeller, görüntü ve metin üretiminde başarılı sonuçlar verse de, tek bir olasılık hesabı için yüzlerce hatta binlerce hesaplama adımı gerektiriyordu. Bu durum, modellerin karşılaştırılması ve geliştirilmesi süreçlerini oldukça yavaşlatıyordu. Yeni F2D2 (Fast Flow Joint Distillation) çerçevesi, hem örnekleme hem de olasılık hesaplama süreçlerini aynı anda iki büyüklük mertebesinde hızlandırıyor. Sürekli normalleştirici akışlardaki örnekleme ve olasılık hesaplama işlemlerinin birbirine bağlı doğasından yararlanan bu yaklaşım, mevcut yöntemlerin aksine olasılık hesaplama kabiliyetini kaybetmeden hızlanma sağlıyor.

arXiv (CS + AI) 0