Trong một bài báo khoa học được công bố hôm nay trên tạp chí Nature Machine Intelligence, nhóm nghiên cứu tại Phòng thí nghiệm Khoa học Máy tính và Trí tuệ Nhân tạo MIT (CSAIL) đã giới thiệu một bước tiến mới trong kiến trúc AI có tên gọi 'Mạng nơ-ron chất lỏng' (Liquid Neural Networks - LNNs). Đây là giải pháp thay thế đầy hứa hẹn cho các mô hình học sâu truyền thống vốn cực kỳ ngốn tài nguyên tính toán.
Khác với các mạng nơ-ron thông thường có các thông số cố định sau khi huấn luyện, LNNs sở hữu các phương trình toán học cho phép thay đổi hành vi và thông số liên tục dựa trên dòng dữ liệu đầu vào theo thời gian thực. Đặc tính này bắt chước cách bộ não của các sinh vật nhỏ, như loài giun tròn, thích nghi với môi trường sống xung quanh một cách linh hoạt.
Nghiên cứu thực nghiệm cho thấy một mô hình LNN chỉ với vỏn vẹn 20.000 tham số có thể điều khiển một chiếc xe tự lái di chuyển an toàn qua các địa hình phức tạp và thời tiết khắc nghiệt — nhiệm vụ mà trước đây đòi hỏi các mô hình Transformer khổng lồ với hàng triệu tham số. Khả năng thích ứng linh hoạt này giúp hệ thống không bị bất ngờ trước các tình huống chưa từng xuất hiện trong tập dữ liệu huấn luyện.
Khám phá này được kỳ vọng sẽ tạo ra một cuộc cách mạng trong các lĩnh vực yêu cầu xử lý dữ liệu thời gian thực liên tục như robot học, thiết bị y tế đeo tay thông minh và thám hiểm không gian. Việc giảm thiểu tối đa yêu cầu về phần cứng sẽ giúp đưa trí tuệ nhân tạo trực tiếp vào các chip xử lý giá rẻ ở rìa mạng (edge devices) mà không cần kết nối Internet.