A mesterséges intelligencia (MI) és az emberi gondolkodás mindketten az elektromosságon alapulnak, de itt érnek véget a hasonlóságok. Míg az MI a szilícium és a fém áramkörökre támaszkodik, az emberi kogníció bonyolult élő szövetekből ered. Ezeknek a rendszereknek az alapvető különbségei hozzájárulnak az MI hatékonyságának hiányához.
A jelenlegi MI modellek hagyományos számítógépeken futnak, amelyek különálló komponensekben tárolják és számítják az információt, ami magas energiafogyasztáshoz vezet. Valójában az adatközpontok jelentős része felelős a globális elektromos energiafelhasználás egy jelentős részéért. Azonban a tudósok régóta arra törekedtek, hogy olyan eszközöket és anyagokat fejlesszenek ki, amelyek utánozhatják az agy számítási hatékonyságát.
Most az északnyugati egyetem Mark Hersam vezette kutatócsoportjának áttörése közelebb visz bennünket ennek a célkitűzésnek a megvalósításához. Átalakították a tranzisztort, az elektronikus áramkörök alapvető építőkövét, hogy több hasonlósága legyen egy neuronhoz. Az új Moiré szinaptikus tranzisztorok integrált memóriával és feldolgozással csökkentik az energiafogyasztást és lehetővé teszik az MI rendszerek számára, hogy egyszerű mintafelismerésen túl is menjenek.
Ehhez a kutatók olyan kétdimenziós anyagokra támaszkodtak, amelyek egyedi atomi elrendezéseket hoznak létre és hipnotizáló mintákat, úgynevezett moiré szupertartományokat hoznak létre. Ezek az anyagok lehetővé teszik az elektronáram pontos irányítását és adat tárolását folyamatos áramellátás nélkül a saját kvantum tulajdonságaik miatt.
Ellentétben a korábbi kísérletekkel, amelyekkel csak rendkívül alacsony hőmérsékleten lehetett működő Moiré tranzisztorokat létrehozni, ez az új eszköz szobahőmérsékleten működik és 20-szor kevesebb energiát fogyaszt. Bár a sebességét még teljes mértékben tesztelni kell, az integrált kialakítása arra utal, hogy gyorsabb és energiatakarékosabb lesz a hagyományos számítógép-architektúránál.
Ezeknek a kutatásoknak a végső célja az, hogy az MI modellek hasonlóak legyenek az emberi agyhoz. Ezek az agyszerű áramkörök képesek tanulni az adatokból, kapcsolatokat létesítenek, mintákat felismernek és kapcsolatokat hoznak létre. Ez a képesség, amit az asszociatív tanulásnak neveznek, jelenleg kihívást jelent a hagyományos MI modellek számára, amelyek külön memória- és feldolgozókomponensekkel rendelkeznek.
Az új agyhasonló áramkörök használatával az MI modellek hatékonyabban meg tudják különböztetni a jelet a zajtól, lehetővé téve számukra a komplex feladatok elvégzését. Például az önvezető járművek esetében ez a technológia segítheti az MI pilótákat a nehezen járható útviszonyok navigálásában és a valódi akadályok és irreleváns tárgyak megkülönböztetésében.
Bár még dolgozni kell a skálázható gyártási módszerek kidolgozásán, az agyhasonló tranzisztorokhoz, az energiahatékony és erőteljes MI rendszerek potenciálja ígéretesnek tűnik. Az MI és az emberi gondolkodás közötti szakadék áthidalásával ez a kutatás izgalmas lehetőségeket nyit az mesterséges intelligencia jövőjében.
A mesterséges intelligencia (MI) olyan gépek vagy számítógépi rendszerek képességét jelenti, hogy olyan feladatokat végezzenek el, amelyek általában emberi intelligenciát igényelnek, mint például a tanulás, a problémamegoldás és a döntéshozatal.
Az emberi kogníció az a mentális folyamatok és képességek összessége, amely lehetővé teszi az emberek számára a tudás szerzését, megértését, felfogását, gondolkodását és kommunikációját.
A szilícium és a fém áramkörök azokra az anyagokra és komponensekre utalnak, amelyeket a hagyományos számítógépekben használnak az elektromos jelek feldolgozására és továbbítására.
Az építészet ebben a kontextusban egy rendszer vagy eszköz szerkezetét és szervezetét jelenti.
Az energiafogyasztás egy rendszer vagy eszköz által végzett funkciókhoz felhasznált energiamennyiséget jelenti.
Az adatközpontok olyan létesítmények, amelyek számítógépi rendszereket és berendezéseket, beleértve a szervereket és a tárolót, tárolnak, feldolgoznak és osztanak szét nagy mennyiségű adatot.
A moiré szupertartományok olyan hipnotizáló minták, amelyeket bizonyos kétdimenziós anyagok egyedi atomi elrendezései hoznak létre.
A kvantum tulajdonságok az anyag és az energia tulajdonságait és viselkedését jelentik az atomi és a subatomikus szinten, a kvantummechanika elvei szerint.
A mintafelismerés olyan rendszer vagy eszköz képessége, hogy azonosítsa és megkülönböztesse a mintákat vagy a jellemzőket az adatokban.
A tranzisztor az elektronikus áramkörök alapvető építőköve, amely felelős az elektromos áram folyásának szabályozásáért és a jelek erősítéséért vagy kapcsolásáért.
A memória ebben a kontextusban egy rendszer vagy eszköz képességét jelenti az információ tárolására és visszakeresésére.
A feldolgozás a rendszer vagy a berendezés által végzett adatok vagy információk manipulálását és számítását jelenti.
Az asszociatív tanulás egy rendszer vagy eszköz képességét jelenti a különböző fogalmak vagy adatok közötti kapcsolatok és társítások létrehozására.
A jel és a zaj különbsége a jelentős információ (jel) és az irreláns vagy nem kívánt adatok vagy interferencia (zaj) közötti megkülönböztetésre utal.
A skálázható gyártási módszerek olyan folyamatokat és technikákat jelentenek, amelyek könnyen kibővíthetők vagy alkalmazkodhatnak egy termék vagy eszköz nagyobb mennyiségű gyártásához.
A neuromorf tranzisztorok olyan tranzisztorok, amelyek célja az emberi agyban található neuronok architektúrájának és funkcionalitásának utánzása.
Javasolt kapcsolódó link: Északnyugati egyetem
The source of the article is from the blog motopaddock.nl