MIT在读博士生、集智俱乐部AI+Science读书会发起人之一刘子鸣，最近作为第一作者共同提出了——KAN（Kolmogorov-Arnold Networks）框架。这项工作颠覆了机器学习传统的多层感知机（MLP）架构，不仅在理论上拓展了深度学习模型的边界，更在实际应用中展现出了卓越的性能和解释性。文章一经发布，在国内外社交媒体上引发了诸多探讨。短短一周，github仓库已经获得近10k star！

刘子鸣受邀于北京时间5月11日20:00-22:00，在集智AI+Science读书会中深入解读KAN的主要工作。他将分享KAN模型的灵感来源以及思考过程，并讨论KAN模型对未来深度学习模型发展的潜在影响，以及在AI+Science领域的广阔前景。同时，刘子鸣将在直播间回应针对KAN的各类问题，欢迎在文末留言提问。我们将向点赞最多的3位提问者赠送集智新书《复杂》。

arXiv论文：
https://arxiv.org/html/2404.19756v1
gitHub地址：
https://github.com/KindXiaoming/pykan

KAN推出之后，迅速获得人工智能研究者与开发人员的关注，短短一周，github已经获得数百fork近万star！


还在社交媒体受到学者广泛关注：


同时，也有各种各样的疑问：

  • 是否可以通过采用更高效的优化算法或调整学习率策略来加速KAN模型的训练和收敛？

  • KAN模型与传统的MLP相比，其核心创新和变革性质在哪里？是否仅仅在于使用了可学习的激活函数和B样条曲线？

  • KAN模型是否也面临着传统神经网络常见的局部最优问题？如果是，是否有特定的策略来避免或减少这种情况？

  • 鉴于存在先前类似的研究工作，KAN模型在理论和实际应用上的具体创新点是什么？其变革性质主要体现在哪些方面？

其中有代表性的是Colab的一篇测试评论，作者演示了如何将KAN网络转换为具有相同参数数量的普通MLP，但结构略有不同。KAN网络的特点是在每个节点上使用B样条作为激活函数。为了简化，作者在例子中使用了分段线性函数，这不影响网络的建模能力。因此作者认为，KAN的本质仍然是MLP。

https://colab.research.google.com/drive/1v3AHz5J3gk-vu4biESubJdOsUheycJNz#scrollTo=WVDbcpBqAFop


论文作者如何回应质疑？
KAN名副其实还是昙花一现？

本周六11日晚20:00-22:00，论文一作刘子鸣在集智AI+Science读书会上回应一切。欢迎报名读书会参与交流，或预约视频号直播收看！





分享大纲



 

  1. 论文深度解读
    1. 论文一作解读：刘子鸣博士将直接根据论文原文，逐章深入讲解KAN的理论基础、模型架构和实验结果。
    2. 背后的思考逻辑和想法：分享KAN模型的灵感来源，以及如何从Kolmogorov-Arnold表示定理中汲取思想，构建出具有强大表达能力和解释性的神经网络。
  2. 衍生研究方向
    1. 探讨KAN模型在数据拟合、偏微分方程求解等领域的应用潜力。
    2. 讨论KAN模型对未来深度学习模型发展的可能影响，以及它在AI+Science领域的广阔前景。



AI+Science 读书会


AI+Science 是近年兴起的将人工智能和科学相结合的一种趋势。一方面是 AI for Science，机器学习和其他 AI 技术可以用来解决科学研究中的问题，从预测天气和蛋白质结构，到模拟星系碰撞、设计优化核聚变反应堆，甚至像科学家一样进行科学发现，被称为科学发现的“第五范式”。另一方面是 Science for AI，科学尤其是物理学中的规律和思想启发机器学习理论，为人工智能的发展提供全新的视角和方法。

集智俱乐部联合斯坦福大学计算机科学系博士后研究员吴泰霖（Jure Leskovec 教授指导）、哈佛量子计划研究员扈鸿业、麻省理工学院物理系博士生刘子鸣（Max Tegmark 教授指导），共同发起以“AI+Science”为主题的读书会，探讨该领域的重要问题，共学共研相关文献。读书会已完结，现在报名可加入社群并解锁回放视频权限。


详情请见：
人工智能和科学发现相互赋能的新范式：AI+Science 读书会启动


人工智能与数学读书会


数十年来，人工智能的理论发展和技术实践一直与科学探索相伴而生，尤其在以大模型为代表的人工智能技术应用集中爆发的当下，人工智能正在加速物理、化学、生物等基础科学的革新，而这些学科也在反过来启发人工智能技术创新。在此过程中，数学作为兼具理论属性与工具属性的重要基础学科，与人工智能关系甚密，相辅相成。一方面，人工智能在解决数学领域的诸多工程问题、理论问题乃至圣杯难题上屡创记录。另一方面，数学持续为人工智能构筑理论基石并拓展其未来空间。这两个关键领域的交叉融合，正在揭开下个时代的科学之幕。


为了探索数学与人工智能深度融合的可能性，集智俱乐部联合同济大学特聘研究员陈小杨、清华大学交叉信息学院助理教授袁洋、南洋理工大学副教授夏克林三位老师，共同发起“人工智能与数学”读书会，希望从 AI　for　Math，Math　for　AI 两个方面深入探讨人工智能与数学的密切联系。读书会已完结，现在报名可加入社群并解锁回放视频权限。



详情请见：

人工智能与数学读书会启动：AI for Math，Math for AI



点击“阅读原文”，报名读书会