什么是液体神经网络？自适应AI的下一个大飞跃：Raktim Singh作者

液体神经网络： 使AI认为大脑的下一步

如果AI即使在使用，部署并在现实生活中使用并将其使用后，AI可以继续像人脑一样学习，该怎么办？

一个 液体神经网络（LNN） 是一种新型的人工智能模型
即使在部署后，也可以不断地学习和适应，就像人脑从经验中学到的方式一样。一种非常小且灵活的新型AI模型，其方式与人们的行为非常相似。

麻省理工学院的研究实验室是第一个创建LNN的实验室。现在，大型互联网公司，机器人团队和金融企业家都对他们感兴趣。

从很大的意义上讲，这些网络彻底改变了智能系统如何实时学习，成长和响应。

本文将解释哪些液体神经网络是什么，为什么它们具有重要意义，谁在使用它们以及如何改变银行，IT公司和学生的方式。

神经网络是“液体”意味着什么？
您可能知道AI模型；但是，液体神经网络并不相同。

基于旧方法的神经网络仅学习一次，并且不会改变。

另一方面，即使使用它们，也可以继续学习和改变。

他们一旦学习新东西，必须处理意外的东西或搬到新的地方就改变了。神经元的“设置”一直在改变。相反，它一直根据随着时间的流逝而改变。

微分方程为这些网络提供动力，这更像是我们大脑中的真实神经元的工作方式，而不仅仅是使用层和权重。

LNN就像计算机大脑一样，根据人们的环境，会发展和扩展，就像人们一样。

💡为什么液体神经网络如此重要
遵循规则的AI在不变的环境中最有效。但是现实生活呢？它根本不稳定。

在当今情况下，需要思考脚的人工智能，例如无人驾驶飞机在恶劣的天气中飞行或欺诈检测系统，该系统观察迅速变化的趋势。

那是lnns进来的时候。

这就是为什么它们很重要：

灵活性： 他们可以迅速响应新的或意外的信息，这非常适合机器人技术，自动驾驶汽车和金融系统。

LNN是轻的，这意味着他们不需要太多的内存或计算能力。这使它们非常适合智能手机和其他边缘设备。

他们以适度的步骤学习，因此不必每次环境变化时都要重新开始。

生物学启发： LNN基于人脑中的神经元如何随着时间的流逝而发展，并使用始终工作的方程式发展。这与静态模型不同。

✅ 谁现在正在使用LNN？

麻省理工学院的计算机科学和人工智能实验室称为Csail。

关于LNNS的第一篇论文是2021年在麻省理工学院的“液体时稳定网络”。它表明，LNN可以在需要适应性且不利用大量内存的任务上的常规模型做得更好。

机器人和无人机
一些机器人团队已经在使用LNN来允许无人机实时调整其飞行路径，而无需连接到Internet。这使他们能够在迅速变化的位置（例如城市，灾难区或森林）中运作良好。

��新医疗保健业务
LNN是紧凑且灵活的，因此可穿戴设备可以实时跟踪健康数据，包括心率或氧气水平，现在可以根据未计划的更改来更新其警报。

金融科技研究实验室IS调查LNNS进行实时欺诈检测和算法交易。 LNN为您提供优势，因为这些系统需要在市场条件或威胁模式的情况下进行更改。

🤔 还有谁应该关注？
学生��使用Raspberry Pi或Arduino来开发聪明并且可以改变的作品。

了解有关有助于实时学习的系统的最新研究。

您不需要很多云资源就可以学习如何使用机器学习。

制造技术的公司：
制作更快，更轻的AI工具，并且不需要存储在云中。

根据人们如何随着时间的推移使用它们的方式，应发布。

LNN可以启用机器人，智能设备和自动化，以更快，更快地做出决策。

银行和其他金融机构
为了应对欺诈，请使用新的攻击方法出现的模型。

让交易模型实时工作，而无需始终进行重新训练。

确保您给消费者提供的经验适合他们。

液体形式中的神经网络如何工作？ （（我保证没有行话）让我们变得更容易。

在传统的神经网络中，“神经元”根据培训期间制定的规则做出决定。无论世界如何变化，该模型在教授后总是以相同的方式行事。

那不是液体神经网络的工作方式。

他们使用非线性 普通微分方程（ODE） 展示每个神经元如何工作。每个神经元都有自己的“液体时间常数”，该神经元告诉它如何对新信息做出反应的速度。

您可以这样想到它：传统AI就像一个计算器：它很快，但无法改变。

LNN一开始很慢，就像您的大脑一样，但是它们可以改变，注意并继续学习。

善良的事物要注意“液体神经网络”

✔优点
1。您不必重新训练；您可以一直学习新事物。

2.非常适合手机，无人机，可穿戴设备和其他设备。

3。对地球的光明健康

4。非常擅长适应现实状况

要提防的事情
1。人们需要修改他们对深度学习的看法。

对于简单或不变的任务，LNN通常不是必需的

2。最初设置和更改可能更难。

LNN在现实世界中的行动：

无人机 在大风时改变空中的飞行路径，或者他们不知道自己在哪里。

可穿戴健康小工具 这可以跟踪生命体征和实时变化。

财务软件 可以发现新型的欺诈类型，因此您不必重新训练。

机器人 这可以在艰难的地形中导航或应对不断变化的条件。

🔮 未来液体神经网络会发生什么？

LNN仍然是新的，但他们有很多希望。

设备上更复杂的AI：即使您未连接到互联网的应用程序和可穿戴设备也可以向您学习。

自动驾驶汽车基于天气的变化，包括雨水，雾或突然存在障碍，实时选择。

Edge AI是使智能农业和自动化工厂成为可能的原因。

可持续AI： 较小的模型使用较少的能量，这对地球有益。

LNN可能是迈向人工通用情报（AGI）的一步，因为它们像真正的大脑一样工作。

随着这些网络的发展更好，我们可能会发现AI和神经病学之间的更多联系，这些联系可以帮助机器人学习和思考更像人。

🚀 如何开始学习液体神经网络

想让你的手弄脏吗？这就是：

如果您想阅读原始的麻省理工学院研究，请搜索“ Hasani等人2021的“液体时代网络”。

看看Pytorch的Ode库。它们是构建和评估随着时间变化的神经元模型的理想选择。

Edge AI硬件是一个可靠的选择。您可以在Raspberry Pi或Nvidia Jetson Nano上运行LNN，以实时进行测试，并消耗较少的电力。

结论 ：
液体神经网络不仅是一个新的流行语；他们重新定义了我们思考聪明意味着什么的方式。

他们继续学习。
他们适应周围的环境。
他们做得更多。
他们帮助AI更像我们。

它们是孩子们提出创新想法的新鲜领域。
他们为公司提供了建立更智能，更快且更有用的技术的机会。

借助他们的合作，科学家也许能够建造可以在余生中学习的机器。

液体神经网络可能是下一个伟大的AI突破背后的大脑，因为世界朝着实时在设备上实时工作的AI朝着AI迈进。