Реконфігурований ШІ-пристрій демонструє «мозкоподібні» можливості
Штучний інтелект ніколи не зможе замінити людський мозок. Той факт, що людський мозок пристосовується, коли дізнається щось нове, є доказом цього.
Дослідники Університету Пердью розробили комп'ютерні чіпи, які можуть постійно перебудовуватися, щоб отримувати нові дані, подібно до того, як працює мозок. Це дозволяє ШІ продовжувати навчатися з плином часу. Схеми на комп'ютерному чіпі не змінюються, на відміну від мозку, який постійно утворює нові синаптичні зв'язки для полегшення навчання.
Схема, яку машина використовувала роками, ідентична схемі, створеній для заводського двигуна. Мета полягає в тому, щоб створити платформу, на якій машини навчатимуться протягом усього свого життя.
Існують перешкоди на шляху до того, щоб зробити ШІ більш портативним, наприклад, для автономних транспортних засобів або космічних роботів, які мають самостійно приймати рішення у віддалених місцях. Ці машини були б ефективнішими, якби ШІ можна було впровадити безпосередньо в апаратне забезпечення, а не в програмне, як це відбувається зараз.
Згідно з новим дослідженням, розроблений адаптивний пристрій може перетворюватися на всі ключові електричні компоненти, необхідні для апаратного забезпечення штучного інтелекту, для потенційного використання в робототехніці та автономних системах.
Натхненне мозком або «нейроморфне» комп'ютерне обладнання прагне імітувати виняткову здатність людського мозку адаптивно навчатися на основі досвіду та швидко обробляти інформацію надзвичайно енергоефективним способом.
Ці особливості мозку значною мірою зумовлені пластичною природою — його здатністю змінювати свою структуру та функції з плином часу через такі процеси, як формування нейронів або «нейрогенез».
«Ми припустили, що якби ми могли імітувати поведінку нейрогенезу в електричному обладнанні, ми могли б створювати машини, які навчаються протягом усього свого життя», — розповів старший автор дослідження Шрірам Раманатан, інженер-електрик і вчений-матеріалознавець з Університету Пердью у Вест-Лафаєтті (штат Індіана).
Раманатан та його колеги розробили високоадаптивні нейроморфні пристрої з використанням нікелату перовскіту. Перовскіти — це кристали, які призвели до феноменального прогресу в ефективності сонячних елементів за останнє десятиліття.
Учені включили протони в нікелат перовскіту. Електричні імпульси, прикладені до цього матеріалу, можуть переміщувати протони всередині ґратки матеріалу, змінюючи його електронні властивості. Дослідники могли електрично реконфігурувати пристрій, виготовлений із цього легованого протонами нікелату перовскіту, на резистор, конденсатор пам'яті, нейрон або синапс за потреби.
«Ми можемо використовувати один пристрій для виконання кількох нейроморфних функцій. Крім того, ми можемо перемикатися між цими функціями за допомогою простих електричних імпульсів у наносекундному масштабі»
«Універсальність цього пристрою може спростити проєктування схеми ШІ для складних обчислювальних завдань, уникаючи скупчення різних функціональних блоків, які займають багато місця і споживають багато енергії», — заявив співавтор дослідження Майкл Тей Джун Парк, інженер-електрик і матеріалознавець з Пердью. За його словами, потенційні сфери застосування включають робототехніку та автономні системи.
Під час моделювання з використанням нового пристрою в штучній нейронній мережі, яка імітує структуру нейронів у біологічному мозку, учені виявили, що реконфігурований характер нового пристрою дозволяє нейронній мережі «ефективніше ухвалювати рішення порівняно зі звичайними статичними мережами в складних і постійно мінливих умовах».
Новий пристрій стабільно працював протягом 1,6 млн циклів перемикання між станами. «Крім того, іони водню залишаються в пристрої протягом тривалого часу після його первинної обробки — понад шість місяців — що обнадоює», — розповів Парк.
Дослідники припускають, що їхній пристрій може знайти застосування в мережах із розширенням за потреби, які є нейронними мережами, здатними збільшувати свою обчислювальну потужність на вимогу. Так само ці мережі можуть зменшуватися, якщо пристрій виявляє вузли, які регулярно неактивні, щоб стати ефективнішими.
Учені зазначають, що вони виготовляли свої пристрої з використанням технологій, сумісних із литтям напівпровідників, що свідчить про те, що вони можуть легко знайти застосування в електронній промисловості.
«Однак стан нашого дослідження перебуває на початковій стадії. Потрібно значно більше роботи, щоб виготовити великомасштабні інтегровані тестові схеми з цими пристроями»
Учені детально розповіли про свої висновки в журналі Science: «Використовуючи наші реконфігуровані штучні нейрони та синапси, змодельовані динамічні мережі перевершили статичні мережі для сценаріїв поступового навчання. Можливість формувати будівельні блоки комп'ютерів, натхненних мозком, на запит відкриває нові напрямки в адаптивних мережах».
