独家 | 一种建立神经网络的新方式可以使AI更容易理解

文章预览

作者： Anil Ananthaswamy 翻译：陈超 校对：zrx ‍‍ 本文 约2000字 ，建议阅读 5分钟 本文介绍了一种建立神经网络的新方法Kolmogorov-Arnold网络（KANs），并与传统的AI多层感知器（MLP）进行了对比 。 一种简化的方法能够更容易看清神经网络如何进行输出。 Stephanie arnett / MIT科技评论| envato 对人工神经元在神经网络中的工作方式进行微调，就可以使得AI更容易破译。 人工神经元——深层神经网络的基本组成部分——已经几十年没有变化了。尽管这些网络赋予现代人工智能以力量，他们仍然非常神秘。 现存的人工神经元用于GPT4等大型语言模型，其工作原理是接收大量输入，将它们加在一起，并通过神经元内部的另一种数学运算将总和转换为输出。神经元的组合可以产生神经网络，并且他们的组合结果可能很难编码。 但是新的神经元组合方式工作起来有一点 ………………………………