Menu Close

Sztuczne synapsy

Właśnie stworzono sztuczną synapsę, która może się samodzielnie uczyć.

Naśladowanie mózgu

Rozwój i postęp sztucznej inteligencji (AI) wynika w dużej mierze z technologii, które naśladują funkcjonowanie mózgu człowieka. W świecie technologii informacyjnych takie systemy AI są nazywane sieciami neuronowymi. Zawierają one algorytmy, które

mogą być szkolone, m.in. w naśladowaniu sposobu w jaki mózg rozpoznaje mowę i obrazy. Jednakże proces uczenia Sztucznej Sieci Neuronowej wymaga dużo czasu i energii.

Ostatnio naukowcy z Krajowego Centrum Badań Naukowych (CNRS) w Thales, Uniwersytetu w Bordeaux w Paryżu-Sud i Evry opracowali w formie układu scalonego sztuczny synaps zwany memrystorem. Toruje on drogę inteligentnym systemom, które wymagają mniej czasu i energii do nauki i mogą uczyć się samodzielnie. W mózgu człowieka synapsy działają jako połączenia między neuronami. Połączenia są wzmacniane, a proces uczenia  poprawia się w miarę wzrostu ilości stymulowanych synaps. Memrystor działa w podobny sposób. Składa się z cienkiej warstwy ferroelektrycznej (która może być dowolnie spolaryzowana) i  jest zamknięta pomiędzy dwiema elektrodami. Korzystając z impulsów napięcia ich oporność może być regulowana, podobnie jak biologiczne neurony. Połączenie synaptyczne będzie silne, gdy oporność jest niska i odwrotnie.
Zdolność memrystora do uczenia się bazuje właśnie na tej oporności.

Lepsza AI

Systemy AI w ciągu ostatnich kilku lat znacznie się rozwinęły. Sieci neuronowe zbudowane z algorytmów uczenia się są teraz zdolne do wykonywania zadań, których wcześniej nie mogły realizować. Na przykład inteligentne systemy mogą teraz tworzyć muzykę, grać w gry pokonując ludzi, czy też płacić podatki. Niektóre systemy mogą nawet identyfikować zachowania samobójcze lub rozróżniać co jest zgodne z prawem, a co nie. Wszystko dzięki zdolności AI do nauki, a jedynym ograniczeniem jest ilość czasu i wysiłku potrzebnego do przyswojenia danych służących za podstawę wiedzy sztucznej inteligencji. Dzięki memrystorom proces uczenia się można znacznie poprawić. Prace nad nimi są kontynuowane, szczególnie w poszukiwaniu sposobów optymalizacji ich funkcji. Naukowcy z powodzeniem zbudowali już model fizyczny pozwalający przewidzieć jego funkcjonowanie. Ich prace są opublikowane w czasopiśmie Nature Communications. Wkrótce możemy mieć systemy AI, które będą mogły się uczyć w sposób podobny do naszego – lecz szybciej i lepiej.

 

Wg. Futurism
Nature Communications

Leave a Reply

Your email address will not be published. Required fields are marked *