Mākslīgā intelekta (AI) sistēmai un cilvēka domāšanai abām ir par pamatu elektroenerģija, taču tas ir arī paši līdzību galapunkts. Kamēr AI balstās uz silīcija un metāla shēmām, cilvēka kognīcija rodas no sarežģītas dzīvā auduma. Šo sistēmu arhitektūras fundamentālās atšķirības veicina AI neproduktīvo dabu.
Pašreizējās AI modeles darbojas uz parastajiem datoriem, kas informāciju saglabā un aprēķina atsevišķos komponentos, kas rada lielu enerģijas patēriņu. Patiesībā, tikai dati uzglabājošās centra daļas veido ievērojamu daļu no visa pasaules elektrības patēriņa. Tomēr zinātnieki jau sen cenšas izveidot ierīces un materiālus, kas varētu imitēt smadzeņu skaitļošanas efektivitāti.
Tagad pētnieku komanda Marka Hersama vadībā izdevums no Ziemeļvesternas Universitātes mūs tuvina šim mērķim. Viņi pārprojektēja tranzistoru, elektronisko shēmu pamata būvbloku, lai tas funkcionētu kā neirons. Integrējot atmiņu ar apstrādi, šie jaunie moirē sinaptiskie tranzistori samazina enerģijas patēriņu un ļauj AI sistēmai pārsniegt vienkāršu rakstura atpazīšanu.
Lai to panāktu, pētnieki izmantoja divdimensionālus materiālus ar unikālām atomu sakārtojuma īpašībām, kas radīja burvīgus moirē superstruktūras rakstus. Šie materiāli nodrošina precīzu elektriskās strāvas vadību un var glabāt datus bez nepārtrauktas enerģijas nodrošināšanas sakarā ar to īpašajām kvantu īpašībām.
Atšķirībā no iepriekšējiem mēģinājumiem ar moirē tranzistoriem, kas darbojās tikai ļoti zemās temperatūrās, šai jaunajai ierīcei tiek izmantots istabas temperatūras režīms, un tā patērē 20 reizes mazāk enerģijas. Lai gan tā ātrums vēl nav pilnībā pārbaudīts, integrētā dizaina pamatā ir ātrāks un enerģijas ziņā efektīvāks risinājums nekā tradicionālā izskatu arhitektūra.
Šīs pētniecības galīgais mērķis ir padarīt AI modeļus līdzīgākus cilvēka smadzenēm. Šāda veida smadzeņu līdzīgie shēmas var mācīties no datiem, izveidot savienojumus, atpazīt paraugus un veidot asociācijas. Šī spēja, kas pazīstama kā asociatīvā mācīšanās, pašlaik ir izaicinoša tradicionālajiem AI modeļiem ar atsevišķām atmiņas un apstrādes daļām.
Izmantojot jaunu smadzeņu līdzīgu shēmu, AI modeļi var efektīvāk atšķirt starp signāliem un troksni, ļaujot tiem veikt sarežģītus uzdevumus. Piemēram, autonomajos transportlīdzekļos šī tehnoloģija var palīdzēt AI pilotiem orientēties sarežģītās ceļa apstākļos un atšķirt reālus šķēršļus no nevajadzīgām objektām.
Lai gan vēl ir darbs, lai izstrādātu mērogojamus ražošanas veidus šiem neiromorfoloģiskajiem tranzistoriem, efektīvāki un spēcīgāki AI sistēmas potenciāli ir cerīgi. Savienojot AI un cilvēka domāšanas atšķirības, šī pētniecība sniedz aizraujošas iespējas mākslīgā intelekta nākotnei.
Mākslīgais intelekts (AI) attiecas uz mašīnām vai datoru sistēmām spēju veikt uzdevumus, kas parasti prasa cilvēka inteliģenci, piemēram, mācīšanos, problēmu risināšanu un lēmumu pieņemšanu.
Cilvēka kognīcija attiecas uz mentālajām procesēm un spējām, kas ļauj cilvēkam iegūt zināšanas, saprast, uztvert, domāt un komunicēt.
Silīcija un metāla shēmas attiecas uz materiāliem un komponentiem, kas tiek izmantoti parastajos datoros, lai apstrādātu un pārraidītu elektriskos signālus.
Arhitektūra šajā kontekstā attiecas uz sistēmas vai ierīces struktūru un organizāciju.
Enerģijas patēriņš attiecas uz enerģijas daudzumu, ko sistēma vai ierīce izmanto, lai veiktu savas funkcijas.
Datu centri ir iekārtas, kas nodrošina datoru sistēmu un iekārtu, ieskaitot serverus un glabātuves, uzglabāšanu, apstrādi un datu izplatīšanu.
Moirē superstruktūras ir burvīgi raksti, kas rodas no noteiktu divdimensionālu materiālu unikāliem atomu sakārtojumiem.
Kvantu īpašības attiecas uz vielu un enerģijas īpašībām un uzvedību atoma un subatomārajā līmenī, kā to apraksta kvantu mehānikas principi.
Rakstu atpazīšana attiecas uz sistēmas vai ierīces spēju identificēt un atšķirt rakstus vai iezīmes datā.
Tranzistors ir elektronisko shēmu pamata būvblocks, kas ir atbildīgs par elektriskās strāvas plūsmas vadību un signālu pastiprināšanu vai maiņu.
Atmiņa šajā kontekstā attiecas uz sistēmas vai ierīces spēju uzglabāt un atkopt informāciju.
Apstrāde attiecas uz datu vai informācijas manipulēšanu un aprēķināšanu sistēmā vai ierīcē.
Asociatīvā mācīšanās attiecas uz sistēmas vai ierīces spēju izveidot savienojumus un asociācijas starp dažādiem jēdzieniem vai datiem.
Signāls un troksnis attiecas uz atšķirību starp nozīmīgu informāciju (signālu) un nevajadzīgiem datiem vai traucējumiem (troksni).
Mērogojami ražošanas veidi attiecas uz procesiem un tehnikām, kas ļauj viegli paplašināt vai pielāgot ražošanu, lai izgatavotu lielākas produktu vai ierīču kvantitātes.
Neiromorfoloģiskie tranzistori ir tranzistori, kas izstrādāti, lai imitētu neironu arhitektūru un funkcionalitāti cilvēka smadzenēs.
Ieteiktais saistītais saite: Ziemeļvesternas Universitāte.
The source of the article is from the blog aovotice.cz