Нейроморфный компьютерный прорыв может разрушить ИИ

Ученые создают мозговой органический транзистор, который может учиться и развиваться.

Источник: геральт / pixabay

Человеческий мозг – удивительно сложная, но энергоэффективная когнитивная система. Ученые и исследователи рассматривают архитектуру мозга как источник вдохновения для искусственного интеллекта (ИИ), машинного обучения и глубокого обучения. Понятия об искусственных нейронных сетях (ANN) в некоторой степени аналогичны мозгу с искусственными узлами вместо нейронов. Нейроморфные вычисления – это междисциплинарный подход, основанный на физике, математике, электронной инженерии, биологии, информатике и нейробиологии для создания искусственных нейронных систем, которые напоминают архитектуру в мозге. Команда ученых из Университета Линчёпинга в Швеции недавно сделала прорыв в нейроморфных вычислениях, разработав новый обучающий транзистор. Они опубликовали свои результаты вчера в Advanced Science .

Машинное обучение сегодня выполняется на сборных схемах. Мозг, напротив, способен формировать новые связи там, где ранее не было никаких связей. Исследовательская группа Симоне Фабиано, Дженнифер Ю. Герасимов, Роджер Габриэльссон, Роберт Форххаймер, Элени Ставриниду, Даниэль Т. Саймон и Магнус Берггрен создали органический электрохимический транзистор (OECT), который может обучаться, формировать новые связи между входом и выходом, и имеет как кратковременную, так и долговременную память.

• Google и Facebook AI делают новое открытие в области лингвистики
• Прорыв в нейробиологии: ИИ переводит мысль в речь
• Учебник по искусственному машинному обучению
• Space 2.0: Stanford использует AI для демократизации космоса
• Медицина красуется в современной науке

Органический электрохимический транзистор может усиливать или переключать электронные сигналы и мощность посредством инжекции ионов из электропроводящего раствора (электролита) в полупроводниковый канал. Современные органические электрохимические транзисторы обычно используют проводящий полимер, называемый PEDOT. Роджер Габриэльссон, член исследовательской группы в Лаборатории органической электроники в Университете Линчёпинга, разработал мономер под названием ETE-S.

Когда манипулируют входными сигналами, «сила отклика транзистора на данный стимул может модулироваться в диапазоне, который охватывает несколько порядков», – писали исследователи. Таким образом, органический электрохимический транзистор команды был способен вести себя таким образом, который похож на краткосрочную и долгосрочную нейропластичность мозга. Нейропластичность – это способность мозга реорганизовываться, формируя новые нервные связи.

По словам Симоне Фабиано, главного исследователя в области органической наноэлектроники в Лаборатории органической электроники в кампусе Норрчепинга, «впервые в реальном времени происходит формирование новых электронных компонентов в нейроморфных устройствах».

• Люди, которые никогда не были потеряны
• Robo-Envy: желающие люди были компьютерами
• Может ли Алекса предсказать, если ваши отношения будут продолжаться?
• Готовы ли мы к меньшему количеству работы?
• AI интерпретирует то, что говорят грызуны

Фабиано утверждает, что новый органический электрохимический транзистор исследовательской группы может «выполнять работу тысяч обычных транзисторов с потреблением энергии, которое приближается к энергии, потребляемой, когда человеческий мозг передает сигналы между двумя ячейками».

Эта инновационная технология может быть полезна для глубокого обучения, подмножества машинного обучения искусственного интеллекта, которое состоит из искусственной нейронной сети с более чем двумя уровнями. Глубокое обучение требует значительных ресурсов, поскольку оно содержит много уровней нейронной обработки, причем каждый слой состоит из множества узлов (искусственных нейронов), что требует огромных ресурсов для вычислений и памяти. Это объясняет, почему появление графических процессоров (GPU) для общих вычислений с их возможностями массовой параллельной обработки (по сравнению с последовательной обработкой) ускорило рост глубокого обучения. С более широкими возможностями обработки появились достижения в области глубокого обучения по распознаванию образов. Достижения в области глубокого обучения являются основой возрождения ИИ.

Согласно отчету Grand View Research за апрель 2018 года, мировой рынок нейроморфных вычислений к 2024 году достигнет 6,48 млрд долларов США. Нейроморфные чипы используются в бытовой электронике, робототехнике, автомобилях и других продуктах. Возвестит ли этот новый транзистор будущее, в котором машинное обучение ИИ основано на эволюционирующей органической электронике?

Copyright © 2019 Cami Rosso. Все права защищены.

Рекомендации

Университет Линчёпинга. «Изучающий транзистор имитирует мозг: эволюционирующий органический электрохимический транзистор для нейроморфных применений». ScienceDaily . 5 февраля 2019 г.