Kunstig intelligens (AI) og menneskelig tanke kan begge operere på elektricitet, men der stopper lighederne også. Mens AI er afhængig af silicium- og metal-kredsløb, opstår menneskelig kognition fra komplekst levende væv. De grundlæggende forskelle i arkitekturen mellem disse systemer bidrager til ineffektiviteten af AI.
Nuværende AI-modeller kører på konventionelle computere, der opbevarer og beregner information i separate komponenter, hvilket resulterer i højt energiforbrug. Faktisk står datacentre alene for en betydelig del af verdens elektricitetsforbrug. Dog har forskere længe forsøgt at udvikle enheder og materialer, der kan efterligne hjernens beregningsmæssige effektivitet.
Nu har en gennembrud af et hold forskere ledet af Mark Hersam på Northwestern University ført os tættere på at opnå dette mål. De har omformet transistoren, en grundlæggende byggeblok af elektroniske kredsløb, for at fungere mere som en neuron. Ved at integrere hukommelse med behandling reducerer disse nye moiré-synaptiske transistorer energiforbruget og gør det muligt for AI-systemer at gå ud over simpel mønstergenkendelse.
For at opnå dette vendte forskerne sig til to-dimensionale materialer med unikke atomare arrangementer, der skaber fortryllende mønstre kaldet moiré-superstrukturer. Disse materialer tillader præcis kontrol af elektrisk strøm og kan opbevare data uden kontinuerlig strømforsyning på grund af deres særlige kvantumegenskaber.
I modsætning til tidligere forsøg på moiré-transistorer, der kun fungerede ved ekstremt lave temperaturer, fungerer denne nye enhed ved stuetemperatur og bruger 20 gange mindre energi. Mens dens hastighed endnu ikke er blevet fuldt testet, antyder den integrerede design, at den vil være hurtigere og mere energieffektiv end traditionel beregningsarkitektur.
Det ultimative mål med denne forskning er at gøre AI-modeller mere som den menneskelige hjerne. Disse hjerne-lignende kredsløb kan lære af data, etablere forbindelser, genkende mønstre og danne associationer. Denne evne, kendt som associerende læring, er i øjeblikket udfordrende for traditionelle AI-modeller med separate hukommelses- og behandlingskomponenter.
Ved at udnytte det nye hjerne-lignende kredsløb kan AI-modeller skelne mellem signal og støj mere effektivt, hvilket gør det muligt for dem at udføre komplekse opgaver. For eksempel kan denne teknologi i selvkørende køretøjer hjælpe AI-piloter med at navigere i udfordrende vejforhold og skelne mellem virkelige forhindringer og irrelevante objekter.
Selvom der stadig skal udføres arbejde med at udvikle skalerbare fremstillingsmetoder til disse neuromorfiske transistorer, er potentialet for mere effektive og kraftfulde AI-systemer lovende. Ved at bygge bro mellem AI og menneskelig kognition åbner denne forskning spændende muligheder for fremtiden for kunstig intelligens.
Kunstig intelligens (AI) henviser til evnen hos maskiner eller computersystemer til at udføre opgaver, der normalt kræver menneskelig intelligens, såsom læring, problemløsning og beslutningstagning.
Menneskelig kognition henviser til de mentale processer og evner, der tillader mennesker at erhverve viden, forstå, opfatte, tænke og kommunikere.
Silicium- og metal-kredsløb henviser til de materialer og komponenter, der anvendes i konventionelle computere til at behandle og transmittere elektriske signaler.
Arkitektur i denne sammenhæng henviser til strukturen og organisationen af et system eller en enhed.
Energiforbrug henviser til mængden af energi, som et system eller en enhed bruger til at udføre sine funktioner.
Datacentre er faciliteter, der huser computersystemer og udstyr, herunder servere og opbevaring, med det formål at lagre, behandle og distribuere store mængder data.
Moiré-superstrukturer er fortryllende mønstre, der skabes af de unikke atomare arrangementer af visse to-dimensionale materialer.
Kvantumegenskaber henviser til egenskaberne og adfærdene af stof og energi på atom- og subatomisk niveau, som beskrevet af kvantemekanikkens principper.
Mønstergenkendelse henviser til evnen hos et system eller en enhed til at identificere og adskille mønstre eller træk i data.
Transistor er en grundlæggende byggeblok af elektroniske kredsløb, der er ansvarlig for at styre strømmen af elektrisk strøm og forstærke eller skifte signaler.
Hukommelse i denne sammenhæng henviser til et systems eller en enheds evne til at opbevare og hente information.
Behandling henviser til manipulationen og beregningen af data eller information af et system eller en enhed.
Associerende læring henviser til et systems eller en enheds evne til at danne forbindelser og associationer mellem forskellige begreber eller data.
Signal og støj henviser til forskellen mellem meningsfuld information (signal) og irrelevant eller uønskede data eller interferens (støj).
Skalerbare fremstillingsmetoder henviser til processer og teknikker, der nemt kan udvides eller tilpasses til at producere større mængder af en produkt eller enhed.
Neuromorfiske transistorer er transistorer designet til at efterligne arkitekturen og funktionaliteten af neuroner i den menneskelige hjerne.
Foreslået relateret link: Northwestern University
The source of the article is from the blog tvbzorg.com