MIT AI Model, Hinango sa Ugong ng Utak, Nagbigay ng Panibagong Lakas sa Pagtukoy ng Mahahabang Pattern

Bagong Modelo ng AI Mula sa MIT, Gamit ang Prinsipyo ng Harmonic Oscillators sa Neural Dynamics

Isang makabago at biologically inspired na modelo ng artificial intelligence (AI) ang binuo ng mga mananaliksik mula sa MIT Computer Science and Artificial Intelligence Laboratory (CSAIL). Tinawag itong Linear Oscillatory State-Space Model o LinOSS, at layunin nitong solusyunan ang isa sa pinakamalaking hamon sa AI: ang maaasahan at episyenteng pagproseso ng mahahabang data sequences tulad ng climate patterns, biological signals, at financial forecasts.

---

Problema sa Kasalukuyang AI Models

Ang mga kasalukuyang AI system ay nahihirapan sa pagtukoy ng mahahabang pagkakasunod-sunod ng datos. Bagaman may mga state-space models na, marami sa mga ito ay:

• Hindi matatag (unstable) kapag masyadong mahaba ang data.
• Matakaw sa computational resources, lalo na sa training phase.
• May masyadong mahigpit na parametric assumptions na pumipigil sa flexibility ng model.

---

Inspirasyon mula sa Pisika at Utak ng Tao

Ang LinOSS ay nakaangkla sa konsepto ng forced harmonic oscillators — isang batayang prinsipyo sa pisika na makikita rin sa neuronal oscillations o “ugong ng mga neuron” sa utak. Sa halip na mag-relyo sa sobrang kumplikadong deep learning structures, ginamit ng mga mananaliksik ang matematikal na modelo ng pag-oscillate upang:

• Mapanatili ang stabilidad ng modelo.
• Maabot ang mataas na performance sa forecasting at classification.
• Mapagaan ang computational requirements kahit pa sa long-range sequence tasks.

---

Mas Matatag, Mas Eksakto, Mas Mabilis

Ayon sa lead researcher na si T. Konstantin Rusch:

Ang layunin namin ay isalin ang likas na katatagan ng neural systems ng tao sa isang framework para sa machine learning.

Mga natuklasan:

• Universal approximation capability: Kayang gayahin ng LinOSS ang anumang tuluy-tuloy at causal function sa pagitan ng input at output sequence.
• Mas magaling kaysa sa Mamba model, na halos doble ang performance sa ultra-long sequence tasks.
• Mas kaunting parametric restrictions, kaya mas madaling i-implement at i-adapt sa iba’t ibang gamit.

---

Pagkilala at Mga Posibleng Aplikasyon

Dahil sa kahusayan ng modelo, napili ang pananaliksik para sa oral presentation sa ICLR 2025, isang prestihiyosong pagkilala na 1% lamang ng mga submission ang nakakamit.

Mga potensyal na aplikasyon:

• Healthcare analytics – halimbawa, sa pagsusuri ng ECG o EEG signal patterns.
• Climate science – sa prediksyon ng long-term weather or carbon trends.
• Autonomous vehicles – sa mas maaasahang real-time navigation predictions.
• Financial markets – sa long-horizon risk modeling at algorithmic trading.

Ayon kay Prof. Daniela Rus, co-author at direktor ng CSAIL:

Ipinapakita ng LinOSS kung paanong ang kombinasyon ng inspirasyong biyolohikal at matematikal na disiplina ay maaaring magbunga ng makapangyarihang bagong kasangkapan sa agham at teknolohiya.

---

Pagbubukas ng Bagong Landas

Bukod sa paggamit ng LinOSS sa iba't ibang uri ng data (image, signal, text), bukas din ang posibilidad na mas maunawaan ang utak ng tao sa pamamagitan ng ganitong approach, na hindi lamang nagko-compute, kundi sumasalamin din sa aktwal na neural behavior.

Ang pananaliksik na ito ay suportado ng Swiss National Science Foundation, Schmidt AI2050 program, at ng U.S. Department of the Air Force AI Accelerator.