Yapay zeka alanında çığır açabilecek yeni bir eğitim mimarisi geliştirildi. Günümüzde AI modellerinin eğitimi, çalıştırılmalarına kıyasla astronomik miktarlarda hafıza gerektiriyor ve bu durum teknolojinin yaygınlaşmasının önünde büyük bir engel oluşturuyor.
Araştırmacılar, bu sorunu çözmek için üç farklı matematiksel yaklaşımı birleştiren innovatif bir yöntem geliştirdi. İlk bileşen olan Dimensional Type System, hafıza tahsisini tasarım aşamasında optimize ederek gereksiz bellek kullanımını ortadan kaldırıyor. Program Hypergraph sistemi ise geometrik algebra hesaplamalarında hassasiyetin korunmasını sağlıyor, böylece eğitim sürecinde modelin geometrik özelliklerinin bozulması önleniyor.
Üçüncü ve belki de en kritik bileşen olan b-posit 2026 standardı, farklı donanım platformlarında verimli çalışabilme yeteneği getiriyor. Bu standart, geleneksel olarak sadece çıkarım için kullanılan donanımlarda bile eğitim süreçlerini mümkün kılıyor.
Bu üç teknolojinin bir araya gelmesiyle elde edilen en önemli kazanım, eğitim sürecinde kullanılan hafızanın modelin derinliğinden bağımsız hale gelmesi. Bu, daha derin ve karmaşık modellerin daha az kaynak kullanarak eğitilebileceği anlamına geliyor.
Yeni mimari özellikle geometrik AI ve nörömorfik hesaplama alanlarında büyük potansiyel taşıyor ve AI teknolojisinin demokratikleşmesine katkı sağlayabilir.