MIT (Massachusetts Institute of Technology) araştırmacılarının geliştirdiği bu yeni algoritma, yapay zeka sistemlerinin verilerdeki simetriyi anlamasını ve bunu verimli şekilde işlemesini sağlayarak makine öğreniminde önemli bir engeli aşmış görünüyor.
Geleneksel makine öğrenimi modelleri, özellikle döndürme, yansıtma veya permütasyon gibi simetrik dönüşümler karşısında zorlanabiliyor. Örneğin, aynı molekülün farklı açılardan gösterimleri, veriye dayalı bir model tarafından tamamen farklı nesneler olarak algılanabiliyor. MIT ekibi, bu problemi cebir ve geometri temelli matematiksel prensipleri birleştirerek çözen, kanıtlanabilir derecede etkili ilk algoritmayı sundu.
Bu yaklaşım:
Simetriye saygı duyan öğrenme süreçleri sağlıyor.
Daha az veriyle eğitim imkânı veriyor.
Hesaplama maliyetlerini düşürüyor.
Modelin genelleme yeteneğini ve doğruluğunu artırıyor.
Araştırmacılar, bu teknolojinin yeni malzeme keşfi, astronomik anomalilerin tespiti, karmaşık iklim modellerinin çözümü gibi alanlarda daha güçlü, hızlı ve kaynak açısından verimli yapay zekâ sistemleri geliştirilmesine zemin hazırlayabileceğini söylüyor.
MIT lisansüstü öğrencisi ve çalışmanın eş başyazarı Behrooz Tahmasebi, “Doğa, bize veriler hakkında simetri gibi ipuçları verir. Biz de artık bu bilgiyi verimli öğrenme algoritmalarına entegre edebiliyoruz” diyerek buluşun önemini vurguladı. Araştırma, Uluslararası Makine Öğrenimi Konferansı (ICML)’de sunuldu.
