Forskare har utvecklat en radikal ny design för neurala nätverk som använder differentialekvationer för att modellera kontinuerliga processer, vilket övervinner begränsningar hos traditionell AI. Den nya designen är särskilt effektiv för att hantera oregelbunden medicinsk data och förutsäga patienters hälsa över tid, vilket traditionella neurala nätverk har svårt med. Forskningen leddes av AI-forskaren David Duvenaud vid University of Toronto och Vector Institute. Deras uppsats utsågs till en av de bästa vid Neural Information Processing Systems-konferensen, en av de största AI-forskningssamlingarna.