Układ elektroniczny, który pracuje podobnie do neuronów. Nowy tranzystor jak mózg?

(Fot. Pixabay)

Naukowcy stworzyli układ, który nie tylko pracuje podobnie do neuronów, ale jest zdolny do rozumowania wyższego rzędu. Może przy tym działać w temperaturze pokojowej, pobiera niewiele energii i przechowuje informacje nawet po wyłączeniu.

Zespół z Northwestern University, Boston College i Massachusetts Institute of Technology (MIT), na łamach magazynu Nature, przedstawił mikrochip, który ma pozwolić na dużo lepsze działanie sztucznej inteligencji niż obecne rozwiązania.

„MYŚLĄCY” MIKROCHIP

Podobnie jak mózg, układ jednocześnie przetwarza informacje i je przechowuje. Działa w pokojowej temperaturze, pobiera niewiele energii i utrzymuje zapisane informacje nawet po odłączeniu od zasilania.

– Mózg ma fundamentalnie inną architekturę niż komputery cyfrowe – zwraca uwagę współtwórca wynalazku, Mark C. Hersam z Northwestern University.

– W cyfrowej maszynie dane wędrują tam i z powrotem miedzy mikroprocesorem i pamięcią, co zużywa duże ilości energii, a w przypadku wielu równolegle zachodzących procesów tworzy wąskie gardło. Z drugiej strony, w mózgu przechowywanie i przetwarzanie informacji zachodzą w tym samym miejscu i są w pełni zintegrowane. Skutkuje to wydajnością większą o całe rzędy wielkości i lepszą wydajnością energetyczną. Nasz synaptyczny tranzystor w podobny sposób jednocześnie przechowuje i przetwarza dane – wyjaśnia.

Najważniejsze jednak jest to, że nowy tranzystor potrafi wykonywać operacje wyższego rzędu niż tylko zwykłe sortowanie danych, jak to miało miejsce w poprzednich konstrukcjach.

NAUKOWCY WYKORZYSTALI GRAFEN

Badacze zastosowali zasadę znaną z tzw. prążków moiré. Tak nazywają się wzory powstające przez nałożenie na siebie dwóch prążkowanych siatek obróconych o pewien kąt. Tę zasadę naukowcy zrealizowali z użyciem podwójnej warstwy grafenowej oraz warstwy z azotku boru.

Przez obracanie warstw względem siebie, można uzyskać różne właściwości elektroniczne w warstwach grafenu. – Dzięki obracaniu, działającemu jako nowy parametr, liczba permutacji jest ogromna – mówi prof. Hersam.

W ramach testów badacze nauczyli swój układ rozpoznawania podobnych, ale nieidentycznych ciągów danych. Najpierw pokazali urządzeniu cyfry 000, a potem zażądali zidentyfikowania wzorów podobnych (np. 111, 101).

„Po wytrenowaniu układu do wykrywania ciągu 000, a potem podaniu mu ciągów 111 i 101, układ wiedział, że 111 jest bardziej podobny do 000 niż 101” – wyjaśnia specjalista.

– Ciągi 000 i 111 nie są dokładnie takie same, ale oba składają się z trzech cyfr. Rozpoznanie tych podobieństw oznacza wyższą formę inteligencji niż zwykła nauka skojarzeniowa – tłumaczy.

– Obecnie sztuczna inteligencja może łatwo popełniać błędy, co może powodować poważne problemy w niektórych sytuacjach. Wyobraźmy sobie, że korzystamy z pojazdu autonomicznego, a warunki pogodowe się pogarszają. Samochód może nie być w stanie zinterpretować bardziej skomplikowanych danych z czujników tak dobrze, jak zrobi to człowiek. Tymczasem, nawet gdy podaliśmy naszemu tranzystorowi niedoskonałe dane wejściowe, nadal potrafił znaleźć poprawną odpowiedź – mówi prof. Hersam.

PAP/raf

Zwiększ tekstZmniejsz tekstCiemne tłoOdwrócenie kolorówResetuj