Дослідники з провідних американських інститутів презентували нову архітектуру нейронної мережі Kolmogorov-Arnold Networks (KAN). Вона стала альтернативою багатошаровим перцептронам (MLP) — принципом, розробленим ще 1957 року.
На відміну від перцептрону (MLP), що представляє спрощену модель біологічної нейронної мережі, де центр поставлена математична модель сприйняття інформації мозком, KAN заснована на глибоких математичних принципах. А саме – на апроксимаційній теоремі радянських математиків А. Н. Колмогорова та В. І. Арнольда, або теоремі суперпозиції.
Дослідники зазначили, що KAN, на відміну від MLP, може обробляти нову інформацію без катастрофічного забування. Модель постійно перебуває в актуальному стані, не покладаючись на будь-яку базу даних чи перенавчання.
KAN видає відповіді набагато краще і точніше звичних моделей, проте його навчання вимагає великих обчислювальних потужностей. Нова архітектура може відкрити можливості для подальшого вдосконалення глибокого навчання ШІ.