Przetwarzanie informacji przez ludzki mózg może zainspirować systemy sztucznej inteligencji nowej generacji, twierdzą naukowcy

Image by AltumCode, from Unsplash

Przetwarzanie informacji przez ludzki mózg może zainspirować systemy sztucznej inteligencji nowej generacji, twierdzą naukowcy

Przeczytasz w: 2 min

Badania opublikowane 22 stycznia w Nature sugerują, że przetwarzanie informacji przez człowieka może służyć jako model do szkolenia przyszłych systemów AI.

W pośpiechu? Oto najważniejsze informacje!

  • Efektywne AI mogłoby wpłynąć na sektory takie jak eksploracja kosmiczna, zdrowie oraz nadzór.
  • Badanie bada nowe technologie pamięci dla skalowalnych systemów obliczeniowych neuromorficznych.
  • Obliczenia neuromorficzne oferują energooszczędne rozwiązania, gdyż zużycie energii przez AI podwoi się do 2026 roku.

Badanie zgromadziło ponad tuzin badaczy z całego świata, w tym Cory’ego Merkel’a, profesora nadzwyczajnego inżynierii komputerowej w Rochester Institute of Technology. Merkel specjalizuje się w neuromorficznym przetwarzaniu informacji, podejściu inspirowanym działaniem mózgu, które ma na celu zwiększenie mocy przetwarzania i efektywności energetycznej w aplikacjach AI.

„Możliwość posiadania wydajnej sztucznej inteligencji na urządzeniach o ograniczonych możliwościach otworzy drzwi do wielu nowych obszarów zastosowań, takich jak interfejsy mózg-komputer, eksploracja kosmosu, technologie monitorowania zdrowia, czy autonomiczne systemy monitorowania, na przykład,” wyjaśniła Merkel w komunikacie prasowym uniwersytetu.

Jego praca odpowiada na rosnące zapotrzebowanie na systemy AI dostosowane do środowisk o ograniczonym rozmiarze, wadze i zasilaniu, takie jak urządzenia do noszenia, smartfony, roboty, drony i satelity. Obliczenia neuromorficzne obiecują znaczne ulepszenia w zakresie możliwości przetwarzania i potrzeb magazynowych.

Badacze podkreślają, jak systemy neuromorficzne wykorzystują zasady bio-inteligencji zidentyfikowane przez neurologów, oferując model dla szybszych i bardziej efektywnych sieci obliczeniowych.

Merkel oraz Suma George Cardwell, starszy badacz z Sandia National Laboratory, zbadali również nowe technologie pamięci, takie jak RRAM i Spintronika, do masowego przechowywania danych w systemach neuromorficznych. Technologie te wykazują potencjał dla skalowalnych rozwiązań i efektywnego radzenia sobie z różnicami w urządzeniach.

Wraz z prognozowanym podwojeniem zużycia energii elektrycznej przez AI do 2026 roku, badacze widzą w komputacji neuromorficznej obiecujące rozwiązanie. Podkreślili, że dziedzina ta jest w „krytycznym momencie”, a skalowalność staje się kluczowym miernikiem postępu.

Komputacja neuromorficzna stanowi drogę do stworzenia bardziej wydajnych, energooszczędnych systemów AI na przyszłość.

Spodobał Ci się ten artykuł? Oceń go!
Był okropny Nie podobał mi się Był w porządku Był całkiem dobry! Był super!

Cieszymy się, że doceniasz to, co robimy!

Cenimy Twoją opinię. Czy możemy liczyć na ocenę na Trustpilot? Zajmie Ci to tylko chwilę. Będziemy zobowiązani. Dziękujemy za wsparcie!

Oceń nas na Trustpilot
5.00 Na podstawie głosów 2 użytkowników
Tytuł
Komentarz
Dziękujemy za Twoją opinię
Loader
Please wait 5 minutes before posting another comment.
Comment sent for approval.

Zostaw komentarz

Loader
Loader Pokaż więcej...