Umjetna inteligencija (AI) i ljudska misao mogu obje funkcionirati na elektricitet, ali tu završavaju sličnosti. Dok se AI oslanja na silikonsko i metalno sklopovlje, ljudska kognicija nastaje iz kompleksnog živog tkiva. Temeljne razlike u arhitekturi između ovih sustava doprinose neefikasnosti AI.
Trenutni AI modeli rade na konvencionalnim računalima koja pohranjuju i obrađuju informacije u odvojenim komponentama, što rezultira visokom potrošnjom energije. Zapravo, samo podatkovni centri čine značajan dio globalne potrošnje električne energije. Međutim, znanstvenici već dugo traže način razvijanja uređaja i materijala koji mogu imitirati računalnu učinkovitost mozga.
Sada, proboj tima istraživača predvođenog Markom Hersamom sa Sveučilišta Northwestern približava nas postizanju tog cilja. Redizajnirali su tranzistor, temeljni građevni blok elektronskog sklopovlja, da funkcionira više kao neuron. Integrisanjem memorije i obrade, ovaj novi moar Sinaptički tranzistori smanjuju potrošnju energije i omogućuju AI sustavima da idu dalje od jednostavnog prepoznavanja uzoraka.
Da bi postigli to, istraživači su se okrenuli dvodimenzionalnim materijalima s jedinstvenim atomskim rasporedima koji stvaraju fascinantne obrasce nazvane moar superstrukture. Ovi materijali omogućavaju preciznu kontrolu protoka električne struje i mogu pohraniti podatke bez neprekidnog napajanja zbog svojih posebnih kvantnih svojstava.
Za razliku od prethodnih pokušaja s moar tranzistorima, koji su radili samo na iznimno niskim temperaturama, ovaj novi uređaj funkcioniše pri sobnoj temperaturi i troši 20 puta manje energije. Dok njegova brzina još uvijek nije u potpunosti testirana, integrirani dizajn sugerira da će biti brži i energetski učinkovitiji od tradicionalne računalne arhitekture.
Krajnji cilj ovog istraživanja je učiniti AI modele sličnijima ljudskom mozgu. Ovi kola slični mozgu mogu učiti iz podataka, uspostavljati veze, prepoznati obrasce i stvarati asocijacije. Ova sposobnost, poznata kao asocijativno učenje, trenutno je izazovna za tradicionalne AI modele s odvojenim memorijama i obradnim komponentama.
Korištenjem novog kola sličnog mozgu, AI modeli mogu učinkovitije razlikovati između signala i šuma, omogućavajući im obavljanje složenih zadataka. Na primjer, u autonomnim vozilima, ova tehnologija može pomoći AI pilotima u vožnji u izazovnim uvjetima na cesti i razlikovanju između stvarnih prepreka i nebitnih objekata.
Iako još uvijek treba raditi na razvoju skalabilnih metoda proizvodnje ovih neuromorfičkih tranzistora, potencijal za učinkovitije i moćnije AI sustave je obećavajući. Spajajući jaz između AI i ljudske kognicije, ovo istraživanje otvara uzbudljive mogućnosti za budućnost umjetne inteligencije.
Umjetna inteligencija (AI) odnosi se na sposobnost strojeva ili računalnih sustava da obavljaju zadatke koji obično zahtijevaju ljudsku inteligenciju, poput učenja, rješavanja problema i donošenja odluka.
Ljudska kognicija odnosi se na mentalne procese i sposobnosti koje omogućavaju ljudima da stječu znanje, razumiju, percipiraju, misle i komuniciraju.
Silikonsko i metalno sklopovlje odnosi se na materijale i komponente koje se koriste u konvencionalnim računalima za procesiranje i prijenos električnih signala.
Arhitektura u ovom kontekstu odnosi se na strukturu i organizaciju sustava ili uređaja.
Potrošnja energije odnosi se na količinu energije koju sustav ili uređaj koriste za obavljanje svojih funkcija.
Podatkovni centri su objekti u kojima se nalaze računalni sustavi i oprema, uključujući poslužitelje i pohranu, za pohranu, obradu i distribuciju velikih količina podataka.
Moar superstrukture su fascinantni uzorci stvoreni jedinstvenim atomskim rasporedima određenih dvodimenzionalnih materijala.
Kvantna svojstva odnose se na svojstva i ponašanje materije i energije na atomskoj i subatomskoj razini, kako je opisano načelima kvantne mehanike.
Prepoznavanje uzoraka odnosi se na sposobnost sustava ili uređaja prepoznavanja i razlikovanja uzoraka ili značajki u podacima.
Tranzistor je temeljni građevni blok elektronskog sklopovlja koji je odgovoran za kontrolu protoka električne struje i pojačavanje ili prebacivanje signala.
Memorija u ovom kontekstu odnosi se na sposobnost sustava ili uređaja da pohranjuje i vraća informacije.
Obrada odnosi se na manipulaciju i računanje podataka ili informacija od strane sustava ili uređaja.
Asocijativno učenje odnosi se na sposobnost sustava ili uređaja da uspostave veze i asocijacije između različitih pojmova ili podataka.
Signal i šum odnose se na razliku između značajnih informacija (signala) i nebitnih ili neželjenih podataka ili smetnji (šuma).
Skalabilne metode proizvodnje odnose se na procese i tehnike koje se mogu lako proširiti ili prilagoditi kako bi se proizvela veća količina proizvoda ili uređaja.
Neuromorfički tranzistori su tranzistori dizajnirani da imitiraju arhitekturu i funkcionalnost neurona u ljudskom mozgu.
Predložena povezana veza: Sveučilište Northwestern
The source of the article is from the blog mendozaextremo.com.ar