Οι επιστήμονες εφευρίσκουν υπολογιστή που λειτουργεί ακριβώς όπως ο ανθρώπινος εγκέφαλος • Earth.com

By | March 3, 2024

Σε ένα σημαντικό βήμα προς τα εμπρός για την τεχνητή νοημοσύνη (AI) και τη μηχανική μάθηση, μια ομάδα συνεργασίας από το Northwestern University, το Boston College και το Massachusetts Institute of Technology (MIT) αποκάλυψε ένα προηγμένο συναπτικό τρανζίστορ υπολογιστών που λειτουργεί σαν ανθρώπινος εγκέφαλος. Αυτή η νέα συσκευή, εμπνευσμένη από την αρχιτεκτονική του ανθρώπινου εγκεφάλου, σηματοδοτεί μια νέα εποχή στην τεχνολογία των υπολογιστών.

Υπολογίστε με χαρακτηριστικά παρόμοια με αυτά του ανθρώπινου εγκεφάλου

Το συναπτικό τρανζίστορ έχει σχεδιαστεί για να αναπαράγει την ικανότητα του εγκεφάλου να επεξεργάζεται και να αποθηκεύει ταυτόχρονα πληροφορίες. Σε αντίθεση με τους παραδοσιακούς υπολογιστές, όπου τα δεδομένα μεταφέρονται μεταξύ του επεξεργαστή και της μνήμης, καταναλώνοντας υπερβολική ισχύ και δημιουργώντας σημεία συμφόρησης, αυτή η συσκευή έχει ενσωματωμένες αυτές τις λειτουργίες.

Αυτή η νέα προσέγγιση, μιμούμενη την αποτελεσματικότητα του εγκεφάλου, επιτρέπει στο τρανζίστορ να εκτελεί σύνθετες εργασίες μηχανικής μάθησης και συνειρμικής μάθησης, μια γνωστική διαδικασία υψηλότερου επιπέδου. Προηγούμενες προσπάθειες δημιουργίας υπολογιστικών συσκευών που μοιάζουν με τον εγκέφαλο βασίζονταν σε τρανζίστορ που λειτουργούσαν μόνο σε κρυογονικές θερμοκρασίες, περιορίζοντας την πρακτική εφαρμογή τους.

Ωστόσο, το τρανζίστορ που αναπτύχθηκε πρόσφατα λειτουργεί αποτελεσματικά σε θερμοκρασία δωματίου. Προσφέρει γρήγορες ταχύτητες επεξεργασίας, ελάχιστη κατανάλωση ενέργειας και δυνατότητα διατήρησης πληροφοριών ακόμη και όταν είναι απενεργοποιημένο, καθιστώντας το ιδανικό υποψήφιο για εφαρμογές πραγματικού κόσμου.

Αρχιτεκτονική του εγκεφάλου εναντίον υπολογιστή

Ο Mark C. Hersam είναι ο Walter P. Murphy καθηγητής Επιστήμης και Μηχανικής Υλικών στη Σχολή Μηχανικών McCormick του Northwestern και συνεπικεφαλής αυτής της ερευνητικής ομάδας. Ο Hersam συνεργάστηκε με τον Qiong Ma του Boston College και τον Pablo Jarillo-Herrero του MIT σε αυτό το έργο.

«Ο εγκέφαλος έχει μια θεμελιωδώς διαφορετική αρχιτεκτονική από έναν ψηφιακό υπολογιστή», είπε ο Hersham. «Σε έναν ψηφιακό υπολογιστή, τα δεδομένα ρέουν μεταξύ ενός μικροεπεξεργαστή και της μνήμης, η οποία καταναλώνει πολλή ισχύ και δημιουργεί ένα εμπόδιο όταν προσπαθείτε να εκτελέσετε πολλές εργασίες».

Ο Χέρσαμ συνέχισε: «Από την άλλη πλευρά, στον εγκέφαλο, η μνήμη και η επεξεργασία πληροφοριών συστεγάζονται και ενσωματώνονται πλήρως, με αποτέλεσμα πολύ υψηλότερη ενεργειακή απόδοση. Το συναπτικό τρανζίστορ μας εκτελεί επίσης λειτουργίες ταυτόχρονης μνήμης και επεξεργασίας πληροφοριών για να μιμείται περισσότερο τον εγκέφαλο.

Επαναπροσδιορισμός ηλεκτρονικών παραδειγμάτων

Η δημιουργία αυτού του συναπτικού τρανζίστορ ανταποκρίνεται στην αυξανόμενη ανάγκη επανεξέτασης του υλικού του υπολογιστή, ιδιαίτερα για εφαρμογές τεχνητής νοημοσύνης και μηχανικής εκμάθησης. Ο σημερινός ψηφιακός υπολογιστής, που εξαρτάται σε μεγάλο βαθμό από ξεχωριστές μονάδες επεξεργασίας και αποθήκευσης, αντιμετωπίζει προκλήσεις στον αποτελεσματικό χειρισμό εργασιών έντασης δεδομένων.

Ο Χέρσαμ επεσήμανε: «Για αρκετές δεκαετίες, το παράδειγμα στα ηλεκτρονικά ήταν η κατασκευή των πάντων από τρανζίστορ και η χρήση της ίδιας αρχιτεκτονικής πυριτίου. Σημαντική πρόοδος έχει σημειωθεί με την απλή ενσωμάτωση ολοένα και περισσότερων τρανζίστορ σε ολοκληρωμένα κυκλώματα.

«Δεν υπάρχει αμφιβολία για την επιτυχία αυτής της στρατηγικής, αλλά έχει το κόστος της υψηλής κατανάλωσης ενέργειας, ειδικά στη σημερινή εποχή των μεγάλων δεδομένων όπου ο ψηφιακός υπολογιστής είναι έτοιμος να κατακλύσει το δίκτυο. Πρέπει να επανεξετάσουμε το υπολογιστικό υλικό, ειδικά για εργασίες τεχνητής νοημοσύνης και μηχανικής μάθησης», κατέληξε ο Hersham.

Αξιοποίηση της φυσικής του moiré

Οι ερευνητές έσπευσαν στην αχαρτογράφητη περιοχή των μοτίβων moiré στη φυσική, τα οποία εμφανίζονται όταν επικαλύπτονται δύο μοτίβα. Συνδυάζοντας το γραφένιο διπλής στιβάδας και το εξαγωνικό νιτρίδιο του βορίου και τον χειρισμό τους σε σχήμα moiré, πέτυχαν άνευ προηγουμένου έλεγχο των ηλεκτρονικών ιδιοτήτων σε ατομική κλίμακα. Αυτή η προσέγγιση επέτρεψε στο τρανζίστορ να εκτελεί νευρομορφικές λειτουργίες σε θερμοκρασία δωματίου.

Οι δοκιμές της ομάδας επικεντρώθηκαν στην ικανότητα του τρανζίστορ να εκτελεί συνειρμική μάθηση. Εκπαίδευσαν τη συσκευή να αναγνωρίζει μοτίβα και να διαφοροποιεί παρόμοιες ακολουθίες, αποδεικνύοντας τις δυνατότητές της για πιο σύνθετες εφαρμογές τεχνητής νοημοσύνης.

Ο Χέρσαμ σημείωσε: «Αν η τεχνητή νοημοσύνη προορίζεται να μιμείται την ανθρώπινη σκέψη, μια από τις εργασίες χαμηλότερου επιπέδου θα ήταν η ταξινόμηση των δεδομένων, η οποία απλώς τα ταξινομεί σε διαμερίσματα. Στόχος μας είναι να προωθήσουμε την τεχνολογία AI προς τη σκέψη υψηλότερου επιπέδου. Οι συνθήκες του πραγματικού κόσμου είναι συχνά πιο περίπλοκες από ό,τι μπορούν να χειριστούν οι τρέχοντες αλγόριθμοι τεχνητής νοημοσύνης, γι’ αυτό δοκιμάσαμε τις νέες συσκευές μας σε πιο περίπλοκες συνθήκες για να επαληθεύσουμε τις προηγμένες δυνατότητές τους.

Σε ένα πείραμα, η συσκευή έδειξε την ικανότητα να διακρίνει μοτίβα όπως το 111 ή το 101 από μια εκπαιδευμένη ακολουθία 000 δευτερολέπτων, αντανακλώντας τις συνειρμικές ικανότητες μάθησης.

«Αν το εκπαιδεύαμε να ανιχνεύει το 000 και μετά του δώσαμε 111 και 101, ξέρει ότι το 111 μοιάζει περισσότερο με το 000 παρά το 101», εξήγησε ο Χέρσαμ. «Το 000 και το 111 δεν είναι ακριβώς το ίδιο, αλλά και τα δύο αποτελούνται από τρία διαδοχικά ψηφία. Αναγνωρίστε ότι η ομοιότητα είναι μια μορφή γνώσης υψηλότερου επιπέδου γνωστή ως συνειρμική μάθηση.

Είναι η μίμηση του ανθρώπινου εγκεφάλου το μέλλον των υπολογιστών;

Η επιτυχημένη ανάπτυξη αυτού του συναπτικού τρανζίστορ ανοίγει νέους ορίζοντες στην τεχνητή νοημοσύνη, ιδιαίτερα σε περιβάλλοντα όπου οι τρέχουσες τεχνολογίες αποτυγχάνουν. Για παράδειγμα, σε αυτόνομα οχήματα που αντιμετωπίζουν πολύπλοκες καιρικές συνθήκες, αυτή η προηγμένη τεχνολογία θα μπορούσε να βελτιώσει σημαντικά την ασφάλεια και την αξιοπιστία.

«Η τρέχουσα τεχνητή νοημοσύνη μπορεί εύκολα να συγχέεται, κάτι που μπορεί να προκαλέσει μεγάλα προβλήματα σε ορισμένα πλαίσια», είπε ο Hersam. «Φανταστείτε εάν χειρίζεστε ένα αυτόνομο όχημα και οι καιρικές συνθήκες επιδεινώνονται. Το όχημα ενδέχεται να μην είναι σε θέση να ερμηνεύσει πιο σύνθετα δεδομένα αισθητήρων όπως και ένας άνθρωπος οδηγός. Αλλά ακόμα και όταν δώσαμε μια ατελή είσοδο στο τρανζίστορ μας, μπορούσε να εντοπίσει τη σωστή απάντηση.

Συνοπτικά, αυτή η εντυπωσιακή καινοτομία από το Northwestern University, το Boston College και το MIT αντιπροσωπεύει ένα σημαντικό βήμα προς τα εμπρός στην αναζήτηση της τεχνητής νοημοσύνης που μιμείται στενά τις ανθρώπινες γνωστικές διαδικασίες. Καθώς η τεχνητή νοημοσύνη συνεχίζει να εξελίσσεται, αυτές οι εξελίξεις στο υλικό εμπνευσμένο από τον εγκέφαλο θα είναι ζωτικής σημασίας για την αντιμετώπιση των ολοένα και πιο περίπλοκων προκλήσεων της ψηφιακής εποχής.

Η πλήρης μελέτη δημοσιεύτηκε στο περιοδικό Φύση.

—–

Σας αρέσει αυτό που διαβάζετε; Εγγραφείτε στο ενημερωτικό μας δελτίο για ενδιαφέροντα άρθρα, αποκλειστικό περιεχόμενο και τις τελευταίες ενημερώσεις.

Ρίξτε μια ματιά στο EarthSnap, μια δωρεάν εφαρμογή που σας φέρνουν οι Eric Ralls και Earth.com.

—–

Leave a Reply

Your email address will not be published. Required fields are marked *