Dirbtinis intelektas (DI) ir žmogaus mąstymas abu veikia elektros pagrindu, tačiau čia panašumai ir baigiasi. Vienintelė DI metalinių grandinių ir silicio pagrindu, o žmogaus suvokimas kilęs iš sudėtingo gyvavimo audinio. Šių sistemų architektūros pagrindiniai skirtumai prisideda prie efektyvumo trūkumo DI.
Esminiais DI modeliais naudojamos įprastos kompiuterinės įtaisų komponentės, kurios saugo ir skaičiuoja informaciją atskirose dalyse, dėl ko didėja energijos sąnaudos. Faktiškai, vien duomenų centrai yra didelės dalies pasaulinės elektros energijos suvartojimo šaltinis. Tačiau mokslininkai seniai siekia sukurti įrenginius ir medžiagas, kurios imituotų smegenų apskaičiavimo efektyvumą.
Dabar, Marko Hersamo vadovaujamos tyrėjų komandos padarytas permainas leidžia mums prisiartinti prie šio tikslo. Jie pertvarkė tranzistorių, esantį pagrindinėje elektroninės grandinės vieneto vietoje, kad jis veiktų labiau kaip neuronas. Integravus atmintį į apdorojimą, šie nauji mėnulio sąveikos sinapsinio tranzistoriaus elementai sumažina energijos sąnaudas ir leidžia DI sistemoms atlikti sudėtingesnes šablono atpažinimo funkcijas.
Norint tai pasiekti, tyrėjai pasitelkė dviatarmius medžiagas, turinčias unikalias atomines pakartojimo struktūras, kurios sukuria žavintį mėnulio superstruktūrų šabloną. Šios medžiagos leidžia tiksliai valdyti elektros srovę ir sugebėti laikyti duomenis netrukdomai padavusio maitinimo dėka jos specialiųjų kvantinių savybių.
Skirtingai nei ankstesni bandomieji mėnulio tranzistoriai, kurie veikė tik esant labai žemai temperatūrai, šis naujas įrenginys veikia kambario temperatūroje ir suvartoja 20 kartų mažiau energijos. Nors jo greitis dar nebuvo visiškai išbandytas, integruota konstrukcija rodo, kad jis bus greitesnis ir energijos taupesnis nei tradicinė skaičiavimo architektūra.
Šios tyrimų tikslas – padaryti DI modelius panašius į žmogaus smegenis. Šie smegenis panašūs grandinės elementai gali išmokti iš duomenų, užmegzti ryšius, atpažinti šablonus ir sudaryti asociacijas. Ši sugebėjimas, žinomas kaip asociatyvus mokymasis, šiuo metu yra iššūkis tradiciniams DI modeliams su atskirais atminties ir apdorojimo komponentais.
Naudojant naują smegenų panašią grandininę architektūrą, DI modeliai gali efektyviau atskirti signalą nuo triukšmo, leisdami jiems atlikti sudėtingus uždavinius. Pavyzdžiui, tai technologija gali padėti AI pilotams savarankiškai važinėti sunkiose kelio sąlygose ir atskirti tikrus kliūtis nuo nereikšmingų objektų.
Nors dar reikia atlikti darbą, siekiant sukurti mastą keičiančius gamybos metodus šiems neuromorfiniams tranzistoriams, galimybė turėti efektyvesnes ir galingesnes DI sistemas yra žadančios. Jungiant DI ir žmogaus suvokimą, šie tyrimai atveria įdomias perspektyvas dirbtinio intelekto ateities atžvilgiu.
Dirbtinis intelektas (DI) apima mašinas arba kompiuterinius sistemas, kurios gali vykdyti užduotis, kurios paprastai reikalauja žmogaus intelekto, pavyzdžiui, mokymosi, problemų sprendimo ir sprendimų priėmimo.
Žmogaus suvokimas apima protinius procesus ir sugebėjimus, leidžiančius žmonėms įgyti žinių, suprasti, suvokti, mąstyti ir bendrauti.
Silicono ir metalinės grandinės apima medžiagas ir komponentus, naudojamus įprastuose kompiuteriuose informacijai apdoroti ir perduoti elektros signalus.
Architektūra šiuo kontekstu reiškia sistemos ar įrenginio struktūrą ir organizavimą.
Energijos sąnaudos reiškia sistemos ar įrenginio suvartojamą energijos kiekį, reikalingą atlikti savo funkcijas.
Duomenų centrai yra objektai, kuriuose kaupiami kompiuteriniai sistemos ir įrangos, įskaitant serverius ir saugyklas, siekiant saugoti, apdoroti ir platiną didelius duomenų kiekius.
Mėnulio superstruktūros yra žavintys šablonai, kuriuos sukuria tam tikrų dvimačių medžiagų unikalios atomų pakartojimo struktūros.
Kvantiniai objektai apima dalykų ir energijos savybes bei elgesį atominio ir subatomikinio lygio pagal kvantinės mechanikos principus.
Šablonų atpažinimas reiškia sistemos ar įrenginio gebėjimą atpažinti ir atskirti šablonus ar duomenų savybes.
Tranzistorius yra elektroninės grandinės pagrindinės statybinės medžiagos, atsakinga už elektros srovės kontrolę bei signalų stiprinimą ar perjungimą.
Mąstymas šiuo kontekstu reiškia sistemos ar įrenginio duomenų saugojimo ir išgavimo gebėjimą.
Apdorojimas apibrėžia duomenų ar informacijos manipuliavimą ir skaičiavimą sistemų ar įrenginių pagalba.
Asociatyvus mokymasis apima sistemos ar įrenginio gebėjimą sudaryti ryšius ir asociacijas tarp skirtingų sąvokų ar duomenų.
Signalas ir triukšmas reiškia skirtumą tarp prasmingos informacijos (signalo) ir nereikšmingų ar nereikalingų duomenų arba trukdžių (triukšmo).
Mastą keičiantys gamybos metodai apima procesus ir technikas, kurios gali lengvai plečiamos ar prisitaiko norint pagaminti didesnį produkto ar įrenginio kiekį.
Neuromorfiniai tranzistoriai yra tranzistoriai, kurie suprojektuoti imituoti žmogaus smegenų neuronų architektūrą ir funkcionalumą.
Pasiūlytas susijęs nuoroda: Northwestern University
The source of the article is from the blog krama.net