15. September 2026
Det japanske AI-laboratoriet Sakana AI har presentert en ny metode for trening av kunstige nevronale nettverk, kalt Augmented Lagrangian Predictive Coding (PC-ALM). Metoden fungerer som et alternativ til backpropagation (den tradisjonelle algoritmen som brukes til å trene opp AI-modeller ved å kalkulere feilmarginer bakover i nettverket). Ved å ta i bruk prediktiv koding søker rammeverket å omgå tradisjonelle flaskehalser ved dagens treningsmetoder, noe som potensielt kan muliggjøre mer effektiv og parallell opplæring av AI-modeller.
[Kilde: Hacker News]
Matematikeren Daniel Litt beskriver starten på et fundamentalt skifte i hvordan teoretisk matematikk utøves. Utviklingen drives frem av nye verktøy for maskinell verifisering og AI, som i økende grad gjør det mulig å automatisere og kvalitetssikre komplekse matematiske bevis. Dette markerer overgangen til en epoke der matematisk forskning i større grad støttes direkte av datadrevne systemer.
[Kilde: Hacker News]