🔬“We have foundation models for language, not for physics” — Anima Anandkumar, Bren Professor of Computing

Artikelbild eller återanvändbart omslag för Latent Space

Anima Anandkumar, professor vid Caltech, har utvecklat AI-modeller för att simulera fysikaliska system som väder, fusion och vätskeflöde — områden som traditionellt krävt massiva superkomputrar och decennier av utveckling.

Hennes teknik, Neural Operators, låter AI lära sig från både data och fysikaliska lagar samtidigt, vilket gör att modeller kan arbeta med mycket mindre datamängd än vanliga språkmodeller kräver. Hon lyckades skapa FourCastNet, som kan förutsäga väder lika bra som klassiska fysik-baserade simuleringar men kör på vanliga grafikkort. Nyckeln är att bygga in den struktur som den fysikaliska världen redan har — till exempel genom att använda rätt matematiska grund för ett problem — istället för att försöka träna på omöjligt stora datamängder.

Lyssna på avsnittet hos Latent Space →

Sammanfattningen har tagits fram med AI av Vibekollen utifrån källans publicering. Innehållet tillhör Latent Space.

Mer att läsa

Building advertising for the way people use AI

OpenAI för 1 tim sedan

Server-Side Code Execution Tools for AI Agents, Compared

OpenRouter för 11 tim sedan

v0.40.0

Ollama för 11 tim sedan

Google froze its open source bug bounty program due to a ‘significant rise’ in AI submissions

TechCrunch AI för 15 tim sedan

Till alla nyheter