Kort samengevat: Een AI die dagdroomt onthoudt acht keer meer. Onderzoekers hebben een algoritme ontwikkeld dat AI-modellen veel efficiënter laat omgaan met geheugen, geinspireerd door hoe onze hersenen tijdens de slaap herinneringen versterken. Het Centered Daydreaming-algoritme brengt Hopfield-netwerken naar de theoretische maximale capaciteit. Bespreek dit AI-onderzoek in de KREATE Community.
AI-modellen worden steeds groter, maar groter is niet altijd beter. Hoeveel een model kan onthouden wordt namelijk niet alleen bepaald door het aantal parameters, maar ook door hoe het die informatie opslaat en verwerkt. Een team onderzoekers heeft nu een doorbraak gepresenteerd die AI efficiënter maakt door het te laten 'dagdromen'. Een AI die dagdroomt tijdens het leren, blijkt veel beter in staat om hoofd- en bijzaken te scheiden.
Het dagdroom-algoritme dat AI beter laat onthouden
De kern van het onderzoek ligt bij Hopfield-netwerken, een klassiek type AI-model dat patronen herkent en opslaat. Denk aan een netwerk dat leert wat een boom is door honderden afbeeldingen te zien. Als je daarna een nieuwe of onvolledige afbeelding laat zien, kan het model herkennen: dit is een boom. Het probleem: de opslagruimte van deze netwerken is beperkt. Een netwerk van honderd neuronen kan maar een stuk of dertien patronen onthouden. En er ontstaan vanzelf valse herinneringen die het model op het verkeerde been zetten.
Dat een netwerk die valse herinneringen kan opruimen door te 'dromen', was al bekend. Maar als dat opruimen te lang duurt, verdwijnen ook de echte herinneringen. Daarom ontwikkelden onderzoekers in 2025 het Daydreaming-algoritme: het model leert en ruimt tegelijkertijd op, alsof het dagdroomt. Daarmee steeg de capaciteit naar de theoretische bovengrens van een herinnering per neuron, bijna acht keer zoveel als het klassieke model.
De nieuwste versie, Centered Daydreaming (gepubliceerd in het Journal of Statistical Mechanics), lost een laatste beperking op. Hopfield-netwerken werkten alleen goed met gebalanceerde data, zoals zwart-witbeelden met evenveel witte als zwarte pixels. De nieuwe variant vergelijkt niet de absolute pixelwaarden, maar hun afwijking van het gemiddelde. Bij gezichtsherkenning betekent dat: kijk niet naar de identieke achtergrond, maar naar wat afwijkt van een gemiddeld gezicht.
Bron: Bright
Wat dit betekent voor jou
Deze onderzoeksdoorbraak klinkt misschien technisch, maar de impact is concreet. AI-modellen die efficiënter met geheugen omgaan, hebben minder rekenkracht nodig. Dat betekent lagere kosten, snellere verwerking en kleinere modellen die op gewone laptops kunnen draaien. Voor makers en ondernemers die AI-tools bouwen of gebruiken, is dit een belangrijke ontwikkeling: de volgende generatie AI hoeft niet per se groter te zijn, maar kan slimmer omgaan met wat hij al weet.
Het Centered Daydreaming-algoritme laat zien dat de natuur nog altijd een van de beste inspiratiebronnen is voor AI-onderzoek. Door te kijken naar hoe ons eigen brein herinneringen verwerkt en opschoont, worden AI-modellen niet alleen krachtiger, maar ook efficiënter.
