Umetna inteligenca (UI) in človeško mišljenje sta lahko obe povezani z elektriko, vendar se podobnosti tu končajo. Medtem ko UI temelji na siliciju in kovinskih vezjih, nastane človeška kognicija iz kompleksnega živega tkiva. Temeljne razlike v arhitekturi med temi sistemoma prispevajo k neučinkoviti naravi UI.
Trenutni modeli UI delujejo na navadnih računalnikih, ki shranjujejo in izračunavajo informacije v ločenih komponentah, kar vodi v visoko porabo energije. Dejansko podatkovni centri sami predstavljajo pomemben del svetovne porabe električne energije. Vendar pa znanstveniki že dolgo iščejo rešitve za razvoj naprav in materialov, ki bi lahko posnemali računsko učinkovitost možganov.
Zdaj pa nam preboj raziskovalne skupine pod vodstvom Marka Hersama z Univerze Northwestern približuje dosego tega cilja. Preoblikovali so tranzistor, temeljni gradnik elektronskih vezij, da deluje bolj kot nevron. Z združevanjem pomnilnika s procesiranjem imajo ti novi moiré sinhronizacijski tranzistorji zmanjšano porabo energije in omogočajo UI sistemom, da gredo čez preprosto prepoznavanje vzorcev.
Da bi to dosegli, so raziskovalci uporabili dvodimenzionalne materiale z edinstvenimi atomskimi urejanji, ki ustvarjajo omamne vzorce, imenovane moiré superstruktura. Ti materiali omogočajo natančen nadzor toka električnega toka in lahko shranjujejo podatke brez neprekinjene napajalne napetosti zaradi svojih posebnih kvantnih lastnosti.
Za razliko od prejšnjih poskusov z moiré tranzistorji, ki so delovali samo pri izredno nizkih temperaturah, ta nova naprava deluje pri sobni temperaturi in porabi 20-krat manj energije. Čeprav njena hitrost še ni bila v celoti preizkušena, integrirana zasnova nakazuje, da bo hitrejša in bolj energijsko učinkovita od tradicionalne računalniške arhitekture.
Končni cilj te raziskave je narediti UI modele bolj podobne človeškim možganom. Te možganskim podobne vezje se lahko učijo iz podatkov, vzpostavljajo povezave, prepoznajo vzorce in ustvarjajo asociacije. Ta sposobnost, znana kot asociativno učenje, je trenutno izziv za tradicionalne UI modele s ločenimi komponentami za pomnilnik in procesiranje.
Z uporabo nove možganske vezave lahko UI modeli bolje ločijo signal od šuma in s tem izvajajo kompleksne naloge. Na primer, v samovozečih vozilih ta tehnologija lahko pomaga umetni inteligenci pri navigaciji v zahtevnih cestnih pogojih in razlikovanju med resničnimi ovirami ter nepomembnimi objekti.
Čeprav je še vedno treba opraviti delo pri razvoju razširljivih proizvodnih metod za te neuromorfne tranzistorje, je potencial za učinkovitejše in zmogljivejše UI sisteme obetaven. Z mostom med UI in človeško kognicijo ta raziskava odpira vznemirljive možnosti za prihodnost umetne inteligence.
Umetna inteligenca (UI) se nanaša na sposobnost strojev ali računalniških sistemov, da izvajajo naloge, ki običajno zahtevajo človeško inteligenco, kot je učenje, reševanje problemov in sprejemanje odločitev.
Človeška kognicija se nanaša na mentalne procese in sposobnosti, ki omogočajo človeku pridobivanje znanja, razumevanje, zaznavanje, razmišljanje in komuniciranje.
Silicij in kovinska vezja se nanašajo na materiale in komponente, ki se uporabljajo v navadnih računalnikih za obdelavo in prenos električnih signalov.
Arhitektura v tem kontekstu se nanaša na strukturo in organizacijo sistema ali naprave.
Poraba energije se nanaša na količino energije, ki jo sistem ali naprava porabi za izvajanje svojih funkcij.
Podatkovni centri so objekti, ki vsebujejo računalniške sisteme in opremo, vključno z strežniki in shrambo, namenjene shranjevanju, obdelavi in distribuciji velikih količin podatkov.
Moiré superstruktura so omamni vzorci, ustvarjeni z edinstvenimi atomskimi urejanji določenih dvodimenzionalnih materialov.
Kvantne lastnosti se nanašajo na lastnosti in obnašanje snovi in energije na atomski in subatomski ravni, kot ga opisujejo načela kvantne mehanike.
Prepoznavanje vzorcev se nanaša na sposobnost sistema ali naprave, da prepozna in razlikuje vzorce ali značilnosti v podatkih.
Tranzistor je temeljni gradnik elektronskih vezij, ki je odgovoren za nadzor toka električnega toka ter ojačevanje ali preklapljanje signalov.
Pomnilnik v tem kontekstu se nanaša na sposobnost sistema ali naprave za shranjevanje in pridobivanje informacij.
Procesiranje se nanaša na manipulacijo in računanje podatkov ali informacij s strani sistema ali naprave.
Asociativno učenje se nanaša na sposobnost sistema ali naprave za vzpostavljanje povezav in asociacij med različnimi koncepti ali podatki.
Signal in šum se nanašata na razliko med pomembnimi informacijami (signal) in nepomembnimi ali nezaželenimi podatki ali motnjami (šum).
Razširljive metode proizvodnje se nanašajo na postopke in tehnike, ki jih je mogoče enostavno razširiti ali prilagoditi za proizvodnjo večjih količin izdelka ali naprave.
Neuromorfni tranzistorji so tranzistorji, zasnovani tako, da posnemajo arhitekturo in funkcionalnost nevronov v človeških možganih.
Predlagana povezana povezava: Univerza Northwestern
The source of the article is from the blog tvbzorg.com