Вчені здійснили значний прорив у галузі ШІ. Дослідники із Північно-західного університету, Бостонського коледжу та Массачусетського технологічного інституту розробили новий синаптичний транзистор, який працює так само, як людський мозок.
Цей передовий пристрій, здатний як обробляти, так одночасно і зберігати інформацію, засвідчує помітний перехід від традиційних завдань машинного навчання до виконання асоціативного навчання подібно до людського пізнання вищого рівня, повідомляє Study Finds.
Вказана розробка представляє пристрій, який ефективно працює за кімнатної температури. Це помітне покращення порівняно з попередніми обчислювальними пристроями, схожими на мозок, які потребували надзвичайно холодних умов, щоб уникнути перегріву їхніх схем.
Завдяки швидкій роботі, низькому енергоспоживанню та здатності зберігати інформацію без живлення новий транзистор добре підходить для застосування в реальних умовах.
«Мозок має принципово іншу архітектуру, ніж цифровий комп’ютер. У цифровому комп’ютері дані переміщуються вперед і назад між мікропроцесором і пам’яттю, що призводить до споживання значної кількості енергії та створює вузьке місце при спробі виконати кілька завдань одночасно. З іншого боку, у мозку пам’ять та обробка інформації розташовані разом і повністю інтегровані, що призводить до підвищення енергоефективності на порядки. Наш синаптичний транзистор аналогічно забезпечує одночасну пам’ять та обробку інформації, щоб точніше імітувати мозок», – розповів співавтор дослідження Марк Герсам, професор в Інженерній школі Північно-Західного університету.
Розроблення цього пристрою відбувається у вирішальний час. Оскільки інтелектуальні пристрої збирають все більшу кількість даних, потреба в ефективних методах обробки, які не перевантажують електромережі, стає все гострішою.
Традиційні цифрові системи, які розділяють обробку та зберігання, не є енергоефективними для обробки великих наборів даних. Попри те, що мемристори (резистори пам’яті) є провідною технологією для поєднання функцій обробки та пам’яті, вони все ще охоплюють енергоємне перемикання.
Марк Герсам і його команда застосували нову стратегію, яка включає муарові візерунки. Це тип геометричного дизайну, який утворюється, коли два візерунки накладаються один на одного.
Укладаючи двовимірні матеріали, такі як двошаровий графен і гексагональний нітрид бору, і скручуючи їх, щоб утворити муаровий малюнок, фахівці змогли маніпулювати електронними властивостями шарів графену. Ця маніпуляція дала змогу створити синаптичний транзистор із розширеною нейроморфною функціональністю за кімнатної температури.
«Якщо штучний інтелект покликаний імітувати людську думку, то одним із завдань найнижчого рівня буде класифікувати дані, тобто просто сортувати їх у контейнери. Наша мета – просувати технологію штучного інтелекту в напрямі мислення вищого рівня. Умови реального світу часто складніші, ніж можуть впоратися поточні алгоритми штучного інтелекту. Тому ми протестували наші нові пристрої у більш складних умовах, щоб перевірити їхні розширені можливості», – пояснив Герсам.
Тестування пристрою включало навчання розпізнаванню шаблонів і подібностей (це форма асоціативного навчання).
Наприклад, якщо навчити його ідентифікувати такий шаблон, як «000», то транзистор зможе визначити, що «111» більше схожий на «000», ніж на «101», демонструючи вищий рівень когнітивних функцій. Ця здатність обробляти складні та недосконалі вхідні дані має велике значення для реальних застосувань ШІ, таких як підвищення надійності самокерованих транспортних засобів у складних умовах.
Дослідження демонструє зміну парадигми в електроніці, особливо щодо завдань ШІ та машинного навчання. Відійшовши від традиційної кремнієвої архітектури та дослідивши фізику муарових візерунків, фахівці відкрили нове царство можливостей для обчислювального обладнання, відкриваючи шлях для більш складних та енергоефективних технологій ШІ.
Нагадаємо, нещодавно команда дослідників з Університету Брауна та кількох китайських університетів провела експеримент, щоб з’ясувати, чи зможуть боти зі штучним інтелектом, які працюють на основі моделі ChatGPT 3.5, завершити процес розроблення програмного забезпечення без попереднього навчання.
Підписуйтеся на ProIT у Telegram, щоб не пропустити жодну публікацію!
