人工智能（AI）和人类思维可能都是依靠电能运行，但相似之处就到此为止了。尽管AI依赖硅和金属电路，但人类认知却源于复杂的生物组织。这些系统在体系结构上的根本差异导致了AI的低效性。
当前的AI模型运行在常规计算机上，这些计算机将信息存储和计算分为不同的组件，从而导致能源消耗很大。事实上，数据中心的电力消耗在全球电力使用中占据了很大一部分。然而，科学家们一直在努力开发可以模仿大脑计算效率的设备和材料。
如今，西北大学的马克·希尔萨姆（Mark Hersam）领导的研究团队取得了一项突破，使我们更接近实现这个目标。他们重新设计了晶体管，这是电子电路的基本构建模块，使其更像一个神经元。通过将存储与处理集成在一起，这些新型模瑞突触晶体管降低了能源消耗，并使AI系统能够超越简单的模式识别。
为了实现这一目标，研究人员使用了两维材料，这些材料具有独特的原子排列，形成了令人着迷的模瑞超结构。这些材料可以精确控制电流流动，并且由于其特殊的量子特性，可以在没有持续电源供应的情况下存储数据。
与以前在低温下工作的模瑞晶体管不同，这个新设备在室温下运行，并且能耗降低了20倍。虽然它的速度还没有完全测试，但集成设计表明它将比传统计算架构更快、更节能。
这项研究的最终目标是使AI模型更像人脑。这种类脑电路可以从数据中学习、建立连接、识别模式并进行关联。这种称为联想学习的能力对于传统AI模型中分离的存储和处理组件来说目前是具有挑战性的。
通过利用这种新型类脑电路，AI模型可以更有效地区分信号和噪音，使其能够执行复杂的任务。例如，在自动驾驶车辆中，这项技术可以帮助AI驾驶员在复杂的道路条件下导航，并区分真正的障碍物和无关的物体。
虽然在开发可扩展的制造方法方面仍需努力，但更高效、更强大的AI系统的潜力是令人期待的。通过弥合AI和人类认知之间的差距，这项研究为人工智能的未来开辟了令人兴奋的可能性。
人工智能（AI）指的是机器或计算机系统具备执行通常需要人类智能的任务的能力，例如学习、解决问题和决策制定。
人类认知是指允许人类获取知识、理解、知觉、思考和沟通的心理过程和能力。
硅和金属电路指的是传统计算机中用于处理和传输电信号的材料和组件。
此处的体系结构指的是系统或设备的结构和组织形式。
能源消耗指的是系统或设备用于执行其功能所使用的能量量。
数据中心是用于存储、处理和分发大量数据的计算机系统和设备的设施，包括服务器和存储设备。
模瑞超结构是由某些二维材料的独特原子排列创建的令人着迷的模式。
量子特性指的是按照量子力学原理描述的物质和能量在原子和亚原子级别上的性质和行为。
模式识别指的是系统或设备识别和区分数据中的模式或特征的能力。
晶体管是电子电路的基本构建模块，负责控制电流流动并放大或切换信号。
此处的存储指的是系统或设备存储和检索信息的能力。
处理指的是系统或设备通过操纵和计算数据或信息。
联想学习指的是系统或设备在不同概念或数据之间建立连接和关联的能力。
信号和噪音指的是有意义的信息（信号）和不相关或不需要的数据或干扰（噪音）之间的区别。
可扩展制造方法指的是能够轻松扩展或调整以生产更多产品或设备的过程和技术。
神经形态晶体管是设计用于模仿人脑神经元体系结构和功能的晶体管。
建议相关链接：西北大学
The source of the article is from the blog macnifico.pt