Stell dir vor, KI könnte besser verstehen, wie Menschen und Dinge miteinander verbunden sind. Forschende haben herausgefunden, wie das geht.
Stell dir vor, du bist in einem riesigen Labyrinth. Normalerweise würdest du denken, dass alle Wege gerade und flach sind. Aber was, wenn das Labyrinth aus Krümmungen und Kurven besteht? Genau das haben sich Forschende gefragt, als sie über Künstliche Intelligenz (KI) nachgedacht haben. Normalerweise arbeiten KIs in einer Welt, die wie ein flaches Blatt Papier aussieht. Doch in der realen Welt sind viele Dinge nicht so einfach. Denk an ein Netzwerk von Freunden auf Social Media oder an die Verbindungen zwischen verschiedenen Webseiten. Diese Verbindungen sind oft komplex und gekrümmt.
Was die Forschenden herausgefunden haben
Die Forschenden haben herausgefunden, dass KIs besser arbeiten können, wenn sie in einer Welt der Krümmungen denken. Diese Welt nennt man nicht-euklidische Geometrie. In dieser Welt können KIs besser verstehen, wie Dinge miteinander verbunden sind. Zum Beispiel können sie besser empfehlen, welche Filme du sehen möchtest oder welche Freunde du kennenlernen solltest. Sie können auch besser verstehen, wie Informationen auf dem Internet miteinander verbunden sind.
Wie haben sie das gemacht?
Um das herauszufinden, haben die Forschenden verschiedene Modelle getestet. Sie haben KIs in verschiedenen gekrümmten Welten arbeiten lassen und beobachtet, wie gut sie damit zurechtkommen. Sie haben auch verschiedene Daten, wie Social Media-Netzwerke und Webseiten-Verbindungen, in diese gekrümmten Welten eingebaut. So konnten sie sehen, ob die KIs besser arbeiten, wenn sie in einer gekrümmten Welt denken.
Warum ist das wichtig?
Das ist wichtig, weil es die KIs besser macht. Wenn KIs besser verstehen, wie Dinge miteinander verbunden sind, können sie uns besser helfen. Zum Beispiel können sie bessere Empfehlungen geben oder Informationen schneller finden. Das macht das Internet und Social Media für uns alle nützlicher und spannender.
Du willst mehr über die Studie wissen?
Die Forschenden, die diese Entdeckungen gemacht haben, heißen Menglin Yang, Yifei Zhang, Jialin Chen, Melanie Weber und Rex Ying. Der Artikel, auf dem dieser Mini-Artikel basiert, heißt „Towards Non-Euclidean Foundation Models: Advancing AI Beyond Euclidean Frameworks“.