인공지능(AI)과 인간의 사고는 양쪽 모두 전기로 작동하지만, 그 이외에는 유사점이 없습니다. AI는 실리콘과 금속 회로에 의존하지만, 인간의 인지력은 복잡한 생체 조직에서 발생합니다. 이러한 시스템 간의 기본적인 아키텍처의 차이는 AI의 비효율성을 야기합니다.
현재 AI 모델은 전통적인 컴퓨터에서 실행되며, 정보를 분리된 구성 요소에 저장하고 계산하기 때문에 높은 에너지 소비를 초래합니다. 실제로, 데이터 센터만으로도 글로벌 전기 사용량의 상당 부분을 차지하고 있습니다. 그러나 과학자들은 오랫동안 뇌의 계산 효율성을 모방할 수 있는 장치와 재료를 개발하기 위해 노력해왔습니다.
이제 Northwestern 대학교의 마크 허샘( Mark Hersam) 주도하는 연구팀의 돌파적인 연구 결과, 우리가 이 목표를 달성하는 데 한 걸음 더 가까워지게 되었습니다. 그들은 전자 회로의 기본 구성 요소인 트랜지스터를 뉴런처럼 더욱 효과적으로 작동하도록 재설계했습니다. 이러한 새로운 모이레 시냅틱 트랜지스터는 메모리와 처리를 통합하여 에너지 소비를 줄이고 AI 시스템이 단순한 패턴 인식을 넘어설 수 있도록 돕습니다.
이를 위해 연구진은 모이레 수퍼구조라는 아름다운 패턴을 만드는 독특한 원자 배열을 가진 2차원 재료에 주목했습니다. 이러한 재료는 전기 전류의 정밀한 제어를 가능하게 하며, 특수한 양자적 특성 때문에 연속적인 전원 공급 없이도 데이터를 저장할 수 있습니다.
이전의 모이레 트랜지스터 시도는 매우 낮은 온도에서만 작동했지만, 이 새로운 장치는 실온에서 작동하며 이전 방식보다 20배 적은 에너지를 소비합니다. 속도가 완전히 테스트되지 않은 상태이지만, 통합된 디자인은 기존의 컴퓨팅 아키텍처보다 더 빠르고 에너지 효율적일 것으로 예상됩니다.
이 연구의 궁극적인 목표는 AI 모델을 인간의 두뇌에 더 가깝게 만드는 것입니다. 이러한 뇌와 유사한 회로는 데이터에서 학습하고 연결을 형성하며 패턴을 인식하고 연관시킬 수 있습니다. 이 능력인 연상학습은 현재 메모리와 처리 구성 요소가 분리된 전통적인 AI 모델에는 어려운 과제입니다.
새로운 뇌와 유사한 회로를 활용함으로써 AI 모델은 신호와 잡음을 보다 효과적으로 구분할 수 있게 되어 복잡한 작업을 수행할 수 있습니다. 예를 들어, 자율주행 차량에서는 이 기술이 AI 파일럿이 도로의 도전적인 상태를 탐색하고 실제 장애물과 관련없는 물체를 구분하는 데 도움을 줄 수 있습니다.
뉴로모픽 트랜지스터에 대한 확장 가능한 제조 방법을 개발하기 위해서는 아직 많은 작업이 남아 있지만, 더 효율적이고 강력한 AI 시스템의 잠재력은 희망적입니다. AI와 인간 인지력 사이의 간극을 좁힘으로써, 이 연구는 인공지능의 미래에 대한 흥미로운 가능성을 엽니다.
인공지능(AI)은 학습, 문제 해결 및 의사 결정 등 일반적으로 인간의 지능이 필요한 작업을 기계 또는 컴퓨터 시스템이 수행하는 능력을 지칭합니다.
인간 인지력은 인간이 지식을 습득하고 이해하며, 인식하고 사고하고 의사소통하는 능력을 지칭합니다.
실리콘과 금속 회로는 전통적인 컴퓨터에서 사용되는 재료 및 부품으로, 전기 신호를 처리하고 전송하는 역할을 합니다.
여기서의 아키텍처는 시스템이나 장치의 구조와 조직을 말합니다.
에너지 소비는 시스템이나 장치가 기능을 수행하는 데 사용하는 에너지의 양을 의미합니다.
데이터 센터는 컴퓨터 시스템과 장비를 수용하는 시설로, 서버와 저장소를 포함하여 대량의 데이터를 저장, 처리 및 분배하기 위해 사용됩니다.
모이레 수퍼구조는 특정한 2차원 재료의 독특한 원자 배열에 의해 생성되는 매혹적인 패턴을 말합니다.
양자적 특성은 양자역학의 원리에 따라 원자 및 하위 원자 수준에서의 물질과 에너지의 특성과 행동을 나타냅니다.
패턴 인식은 시스템이나 장치가 데이터에서 패턴이나 특징을 식별하고 구분할 수 있는 능력을 말합니다.
트랜지스터는 전자 회로의 기본 구성 요소로, 전기 전류를 제어하고 신호를 증폭하거나 스위칭하는 역할을 담당합니다.
여기서의 메모리는 시스템이나 장치가 정보를 저장하고 검색하는 능력을 의미합니다.
처리는 시스템이나 장치에 의해 데이터나 정보가 조작되고 계산되는 것을 의미합니다.
연상학습은 시스템이나 장치가 서로 다른 개념이나 데이터 사이에 연결과 관련을 만들어내는 능력을 말합니다.
신호와 잡음은 의미있는 정보(신호)와 관련 없는 또는 원하지 않는 데이터나 간섭 현상(잡음) 사이의 구분을 의미합니다.
확장 가능한 제조 방법은 제품이나 장치의 더 큰 양을 쉽게 생산하거나 조정할 수 있는 공정 및 기술을 의미합니다.
뉴로모픽 트랜지스터는 인간의 두뇌에서 뉴런의 아키텍처와 기능을 모방하기 위해 설계된 트랜지스터입니다.
관련 링크 제안: Northwestern University
The source of the article is from the blog coletivometranca.com.br