Machine Learning cs.LG

مادة ذات بنية داخلية من أنماط متداخلة بأحجام مختلفة تكبت عدة ترددات في آن واحد — مثل كومة من المناخل ذات فتحات مختلفة المقاييس. يجد الحاسوب الأشكال المطلوبة بنفسه، ولا تتعارض التفاصيل الكبيرة مع الصغيرة. هذا يفتح الطريق أمام أجهزة فائقة الدقة وآليات صامتة.

تعلمت الألياف الضوئية العادية بدون معالجات التعرف على الأرقام المكتوبة بخط اليد بدقة 93%. الضوء الذي يمر عبر خيط زجاجي يجري العمليات الحسابية بنفسه — مثلما يغير الماء نمطه عند دورانه في الدوامات. هذه طريقة رخيصة لصنع آلات تفكر.

ابتكر الفيزيائيون حاسوبًا من الدايودات النفقية يحوّل الصور بنفسه إلى أنماط من الفولتية. هنا لا تتم برمجة كل «عصبون» — الفيزياء تقوم بكل شيء. الرقاقة تقرأ الأرقام المكتوبة بخط اليد وتميّز الفواكه في الصور، بأداء لا يقل عن بطاقات الفيديو.

تعاني الحواسيب الكمومية القائمة على الذرات المحايدة من بطء قراءة الحالات. يعمل برنامج GANDALF كمرشح في محرر الصور: يستعيد إشارة واضحة من تعريض قصير مشوش، ويضاعف سرعة تصحيح الأخطاء، ويقلل الأعطال بعشرات المرات.

داخل نماذج اللغة مثل LLaMA، تختفي أنماط تشابك معقدة تعتمد قوتها على طريقة التدريب. لكن بالنسبة للمراقب الخارجي، يعطي النموذج النتيجة نفسها دائمًا - تمامًا مثل الثقب الأسود «الذي ينسى» كل تفاصيل المادة التي سقطت فيه. وهذا يفسر لماذا تكون طرق الضبط البسيطة فعّالة جدًا.

يساعد التشابك الكمي، حيث ترتبط الجسيمات عن بُعد كأنها بخيط غير مرئي، الحاسوب على تعلم لعب بونغ بسرعة أكبر. خوارزمية هجينة ذات رؤية كمومية ترى الروابط الخفية وتتفوق على البرامج العادية. تخرج المؤثرات الكمومية من المختبرات إلى ساحة اللعب.

أثبت الباحثون أن حتى معالجاً كمومياً صغير الحجم قادر على التفوق على الحواسيب التقليدية العملاقة في مهام فرز البيانات الضخمة وتحليلها. وقد طُبقت خوارزمية «الرسم الكمي» بنجاح لفك شيفرة جينات الخلايا المنفردة وتحديد المشاعر في مراجعات الأفلام. كل هذا تم باستخدام 60 بتاً كمومياً فقط — بينما كان الحاسوب

مقارنة بين أساليب وصف عقد الشبكات: الخوارزميات الكمومية المستوحاة من تحليل الضوء تتعرف على الهياكل الجزيئية بشكل أفضل، بينما تكون الخوارزميات الكلاسيكية أكثر كفاءة في الشبكات الاجتماعية ذات البيانات المحدودة. يصبح الاختيار واعيًا.

طريقة جديدة لتدريب الذكاء الاصطناعي: تدريب أولي على 30 ألف شكل، ثم ضبط دقيق للمهمة. 450 مثالاً فقط تقلل الخطأ إلى 0.36%. هذا يسرّع البحث عن أفضل الحلول الديناميكية الهوائية.

يختبر العلماء نظريات جاذبية جديدة لتفسير التوسع المتسارع للكون دون طاقة مظلمة. يتطلب الأمر حل معادلات تصف كيف تحولت التكثفات الصغيرة بعد الانفجار العظيم إلى مجرات. كان ذلك يستغرق وقتًا طويلاً. الآن، قام الباحثون بتوصيل نموذج لغوي بنظام جبر حاسوبي ودربوه على أمثلة. يتعامل الذكاء الاصطناعي مع معظم الم

يجمع Q-SYNTH بين الحاسوب الكمومي والتقليدي لتوليف عمليات احتيال وهمية. في عالم حيث يشكل الاحتيال الحقيقي 0.1% فقط من جميع العمليات، فإن التدريب على تهديدات خيالية يجعل الكواشف أكثر يقظة. الأمثلة الاصطناعية واقعية إلى درجة أن النظام نفسه يخلط أحيانًا بينها وبين الحقيقية. هذا يقلل من خطر تفويت المحتال

تقليديًا، كان علماء الفلك يصطادون الكواكب بانتظار عبورات متعددة أمام النجوم. يكسر ExoVeil هذا النمط: تتعلم شبكة عصبية محولة التنبؤ بتلألؤ النجم الطبيعي وتلاحظ حتى الظل الوحيد. كشف تحليل أعمى لبيانات "كيبلر" عن 179 مرشحًا جديدًا، وعلى بيانات TESS دون إعادة تدريب، تم العثور على جميع الكواكب الـ 47 الم

أثناء تدريب الشبكات العصبية على آلاف الأجهزة، يؤدي تبادل البيانات إلى إبطاء العملية ويزيد من خطر التسرب. يتيح استبدال الإشارات العادية بـ الاتصال الكمومي نقل ضعف كمية المعلومات في المرة الواحدة بخصوصية تامة: تمنع الجسيمات المتشابكة أي تجسس. تنطبق الطريقة على كلٍّ من النماذج الكلاسيكية والكمومية. يوف

التدفقات الراديوية السريعة — ومضات راديوية فائقة القصر لكنها هائلة القوة من مجرات بعيدة — تترك على المخططات الطيفية أثراً منحنياً رشيقاً يشبه الرشاقة في الخط. لعقود، بحثنا عنها بخوارزميات ثقيلة وشبكات عصبية متخصصة، إلى أن جرّبنا أداة غير متوقعة: نموذج متعدد الوسائط، لم يتدرب إلا على صور من الإنترنت.