Brain-Inspired AI with Hyperbolic Geometry

要約

人工ニューラルネットワーク（ANN）は、人間の脳の構造と機能に着想を得て、人工知能（AI）の分野に革命をもたらした。本稿では、脳の潜在幾何学に関する研究に触発され、ANNと機械学習における双曲線幾何学の研究と応用の増加が、様々なタスクにおいて、精度の向上、特徴空間表現の改善、より効率的なモデルの実現につながると仮定する。我々は、人間の脳の構造と機能を調べ、そのスケールフリーの階層組織と双曲幾何学との対応関係を強調し、人間の知性を促進する上で双曲幾何学が果たす中心的な役割について考察する。自然言語処理、コンピュータビジョン、複雑ネットワーク解析などのタスクにおいて、双曲線ニューラルネットワークがユークリッドモデルよりも優れており、必要なパラメータが少なく、より優れた汎化性を示すことが実証的に示されている。双曲幾何学は、その採用が始まったばかりであるにもかかわらず、脳から着想を得た幾何学的表現を通して機械学習モデルを改善することが期待されている。

要約(オリジナル)

Artificial neural networks (ANNs) were inspired by the architecture and functions of the human brain and have revolutionised the field of artificial intelligence (AI). Inspired by studies on the latent geometry of the brain, in this perspective paper we posit that an increase in the research and application of hyperbolic geometry in ANNs and machine learning will lead to increased accuracy, improved feature space representations and more efficient models across a range of tasks. We examine the structure and functions of the human brain, emphasising the correspondence between its scale-free hierarchical organization and hyperbolic geometry, and reflecting on the central role hyperbolic geometry plays in facilitating human intelligence. Empirical evidence indicates that hyperbolic neural networks outperform Euclidean models for tasks including natural language processing, computer vision and complex network analysis, requiring fewer parameters and exhibiting better generalisation. Despite its nascent adoption, hyperbolic geometry holds promise for improving machine learning models through brain-inspired geometric representations.

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL