Реконфигурируемое устройство с ИИ демонстрирует «мозгоподобные» обещания

Искусственный интеллект никогда не сможет заменить человеческий мозг. Тот факт, что человеческий мозг приспосабливается, когда узнает что-то новое, является доказательством этого.

Исследователи Университета Пердью разработали компьютерные чипы, которые могут постоянно перестраиваться, чтобы получать новые данные, подобно тому, как работает мозг. Это позволяет ИИ продолжать учиться с течением времени. Схемы на компьютерном чипе не меняются, в отличие от мозга, который постоянно устанавливает новые синаптические связи для облегчения обучения. 

Схема, которую машина использовала годами, идентична схеме, созданной для заводского двигателя. Цель состоит в том, чтобы создать платформу, на которой машины будут учиться на протяжении всей своей жизни.

Есть камни преткновения в том, чтобы сделать ИИ более портативным, например, для автономных транспортных средств или космических роботов, которые должны самостоятельно принимать решения в удаленных местах. Эти машины были бы более эффективными, если бы ИИ можно было внедрить непосредственно в аппаратное обеспечение, а не в программное обеспечение, как это происходит сейчас.

Согласно новому исследованию, разработанное адаптируемое устройство может трансформироваться во все ключевые электрические компоненты, необходимые для оборудования искусственного интеллекта, для потенциального использования в робототехнике и автономных системах.

Вдохновленное мозгом или «нейроморфное» компьютерное оборудование направлено на то, чтобы имитировать исключительную способность человеческого мозга адаптивно учиться на основе опыта и быстро обрабатывать информацию чрезвычайно энергоэффективным способом. 

Эти особенности мозга в значительной степени обусловлены пластичной природой — его способностью менять свою структуру и функции с течением времени посредством такой деятельности, как формирование нейронов или «нейрогенез».

«Мы предположили, что если бы мы могли имитировать поведение нейрогенеза в электрическом оборудовании, мы могли бы создавать машины, которые обучаются на протяжении всей своей жизни», — рассказал старший автор исследования Шрирам Раманатан, инженер-электрик и ученый-материаловед из Университета Пердью в Уэст-Лафайетте (штат Индиана).

Раманатан и его коллеги разработали высокоадаптируемые нейроморфные устройства с использованием никелата перовскита. Перовскиты — это кристаллы, которые привели к феноменальному прогрессу в производительности солнечных элементов за последнее десятилетие.

Ученые включили протоны в никелат перовскита. Электрические импульсы, приложенные к этому материалу, могут перемещать протоны внутри решетки материала, меняя его электронные свойства. Исследователи могли электрически реконфигурировать устройство, сделанное из этого никелата перовскита, легированного протонами, в резистор, конденсатор памяти, нейрон или синапс по требованию.

«Мы можем использовать одно устройство для выполнения нескольких нейроморфных функций. Кроме того, мы можем переключаться между этими функциями с помощью простых электрических импульсов в наносекундном масштабе»

Хай-Тянь Чжан соавтор исследования, инженер-электрик и материаловед из Пердью

«Универсальность этого устройства может упростить проектирование схемы ИИ для сложных вычислительных задач, избегая скопления различных функциональных блоков, которые занимают много места и потребляют много энергии», — заявил соавтор исследования Майкл Тэ Джун Парк, инженер-электрик и материаловед из Пердью. По его словам, потенциальные области применения включают робототехнику и автономные системы.

При моделировании с использованием нового устройства в искусственной нейронной сети, которая имитирует структуру нейронов в биологическом мозге, ученые обнаружили, что реконфигурируемый характер нового устройства позволяет нейронной сети «более эффективно принимать решения по сравнению с обычными статическими сетями в сложных и постоянно меняющихся условиях».

Новое устройство показало себя стабильно на протяжении 1,6 млн циклов переключения между состояниями. «Кроме того, ионы водорода остаются в устройстве в течение длительного периода времени после его первоначальной обработки — более шести месяцев — что обнадеживает», — рассказал Парк.

Исследователи предполагают, что их устройство может найти применение в сетях с расширением по мере необходимости, которые представляют собой нейронные сети, способные увеличивать свою вычислительную мощность по требованию. Точно так же эти сети могут уменьшаться в размерах, если устройство обнаруживает узлы, которые регулярно неактивны, чтобы стать более эффективными.

Ученые отмечают, что они изготавливали свои устройства с использованием технологий, совместимых с литейным производством полупроводников, что предполагает, что они могут легко найти применение в электронной промышленности. 

«Однако статус нашего исследования находится в зачаточном состоянии. Требуется гораздо больше работы, чтобы изготовить крупномасштабные интегрированные тестовые схемы с этими устройствами»

Хай-Тянь Чжан соавтор исследования, инженер-электрик и материаловед из Пердью

Ученые подробно рассказали о своих выводах в журнале Science: «Используя наши реконфигурируемые искусственные нейроны и синапсы, смоделированные динамические сети превзошли статические сети для сценариев постепенного обучения. Возможность формировать строительные блоки компьютеров, вдохновленных мозгом, по запросу открывает новые направления в адаптивных сетях».