Жидкие нейронные сети могут стать настоящим прорывом в области искусственного интеллекта или роботизированных систем. Понятие «жидкости» означает гибкость и приспособляемость. После завершения опытов они сохраняют адаптивность и меняются на основе входящих данных.
Еще одно отличие жидких «нейронок» – размер. К примеру, ученые Массачусетского технологического института смогли управлять авто при помощи нейронной сети с 19 узлами. Обычные сети, например, имеют порядка 100 тысяч узлов.
Эта концепция имеет огромный потенциал в робототехнике, поскольку поможет роботам эффективнее и быстрее обрабатывать входящую информацию, а также формировать причинно-следственные связи, выполняя много разные действий. Для более сложных рассуждений не нужны компьютеры с огромной вычислительной мощностью. Для этого будет достаточно обычного Raspberry Pi.
Касательно недостатков, ликвидные сети потребуют данных «временных рядов». Это значит, что анализируют они не статические фото, а их последовательность. Человек также окружающую ситуацию воспринимает в динамике, поэтому эти данные создают реальность.
