Kunstig intelligens (KI) og mennesketanke kan begge operere med elektrisitet, men der slutter likskapene. Mens KI bruker silisium- og metallkretsløp, oppstår menneskelig kognisjon fra komplekst levende vev. De grunnleggende forskjellene i arkitektur mellom disse systemene bidrar til den ineffektive naturen til KI.
Nåværende KI-modellar køyrer på konvensjonelle datamaskiner, som lagrar og bereknar informasjon i separate komponentar, noko som resulterer i høg energiforbruk. Faktisk står dataanlegg alene for en betydelig del av den globale elektrisitetsbruken. Imidlertid har forskarar lenge forsøkt å utvikle enheter og materialer som kan etterligne hjernens beregningsmessige effektivitet.
No har eit gjennombrot av eit team med forskarar ledet av Mark Hersam ved Northwestern University ført oss nærmare å nå dette målet. Dei har omdesigna transistoren, ein grunnleggende byggestein i elektronisk kretsløp, for å fungere meir som ein nevron. Ved å integrere minne med prosessering, reduserer desse nye moiré-synaptiske transistorane energiforbruket og gjer det mogleg for KI-system å gå utover enkel mønstergjenkjenning.
For å oppnå dette, snudde forskarane seg til todimensjonale materialer med unike atomarrangement som skaper fortryllande mønstre kalla moiré-superstrukturer. Desse materiala gjer det mogleg med presis kontroll av elektrisk strøm og kan lagre data utan kontinuerlig strømforsyning på grunn av sine spesielle kvanteeigenskaper.
I motsetning til tidlegare forsøk på moiré-transistorar, som berre fungerte ved ekstremt lave temperaturar, fungerer denne nye enheten ved romtemperatur og forbruker 20 ganger mindre energi. Mens hastigheita enno ikkje har blitt fullstendig testa, tyder det integrerte designet på at det vil være raskare og meir energieffektivt enn tradisjonell databehandlingsarkitektur.
Det ultimate målet med denne forskinga er å gjere KI-modellar meir lik menneskehjernen. Desse hjerneaktige kretsane kan lære av data, etablere tilkoplingar, gjenkjenne mønster og lage assosiasjonar. Denne evna, kjent som assosiativ læring, er for tida utfordrande for tradisjonelle KI-modellar med separate minne- og prosesseringskomponentar.
Ved å utnytte den nye hjerneaktige kretsløpet kan KI-modellar skilje mellom signal og støy meir effektivt, noko som gjer dei i stand til å utføre komplekse oppgåver. For eksempel kan denne teknologien hjelpe KI-pilotar i selvkøyrande kjøretøy med å navigere utfordrande vegforhold og skilje mellom virkelige hindringar og irrelevante objekt.
Sjølv om det enno gjenstår arbeid med å utvikle skalerbare produksjonsmetodar for desse nevromorfiske transistorane, er potensialet for meir effektive og kraftige KI-system lovande. Ved å bygge bro mellom KI og menneskelig kognisjon opnar denne forskinga opp spennande moglegheiter for framtida til kunstig intelligens.
Kunstig intelligens (KI) viser til evna til maskinar eller datamaskinsystem til å utføre oppgåver som vanlegvis krev menneskelig intelligens, som læring, problemløysing og avgjerdstaking.
Menneskeleg kognisjon viser til dei mentale prosessane og evnene som lèt mennesker skaffe seg kunnskap, forstå, oppfatte, tenke og kommunisere.
Silisium- og metallkretsløp viser til materialane og komponentane som blir brukt i konvensjonelle datamaskiner for å behandle og overføre elektriske signal.
Arkitektur i denne samanhengen viser til strukturen og organisasjonen av eit system eller ein enhet.
Energiforbruk refererer til mengda energi som blir brukt av eit system eller ein enhet for å utføre sine funksjonar.
Dataanlegg er anlegg som huser datamaskiner og utstyr, inkludert serverar og lagring, med det formål å lagre, behandle og distribuere store mengder data.
Moiré-superstrukturer er fortryllande mønstre som blir skapt av dei unike atomarrangementa til visse todimensjonale materialar.
Kvanteeigenskapar viser til eigenskapane og oppførselen til materie og energi på atom- og subatomnivå, slik som beskrive av prinsippa i kvantemekanikk.
Mønstergjenkjenning viser til evna til eit system eller ein enhet til å identifisere og skilje mønster eller trekk i data.
Transistor er ein grunnleggjande byggestein i elektronisk kretsløp, ansvarleg for å kontrollere straumflyten og forsterke eller bytte signal.
Minne i denne samanhengen viser til evna til eit system eller ein enhet til å lagre og hente informasjon.
Prosessering viser til behandling og berekning av data eller informasjon av eit system eller ein enhet.
Assosiativ læring viser til evna til eit system eller ein enhet til å danne koplingar og assosiasjonar mellom ulike konsept eller data.
Signal og støy viser til skiljet mellom meiningsskilleg informasjon (signal) og irrelevante eller uønskte data eller forstyrringar (støy).
Skalerbare produksjonsmetodar viser til prosessar og teknikkar som kan enkelt utvidast eller tilpassast for å produsere større mengder av ein produkt eller ein enhet.
Nevromorfiske transistorar er transistorar som er designa for å etterlikne arkitekturen og funksjonaliteten til nevroner i menneskehjernen.
Foreslått relatert lenke: Northwestern University
The source of the article is from the blog enp.gr