Hardwarová technologie umělé inteligence napodobuje změny v topologii neuronové sítě

Skupina výzkumníků z Korejského pokročilého institutu vědy a technologie (KAIST) navrhla nový systém inspirovaný neuromodulací mozku, který se nazývá „systém ukládání“. Tento nově navrhovaný systém vyžaduje nižší spotřebu energie. 

Tým vedl profesor Kyung Min Kim z oddělení materiálové vědy a inženýrství. Výzkum byl zveřejněn v Advanced Functional Materials a podporován KAIST, Národní výzkumnou nadací Koreje, Národním nano-centrem a SK Hynix. 

Napodobování topologie neuronové sítě

Výzkumníci vyvinuli technologii, která může efektivně zpracovat matematické operace pro umělou inteligenci napodobováním změn v topologii neuronové sítě v závislosti na situaci. To bylo inspirováno lidským mozkem, který může měnit svou neuronovou topologii v reálném čase, což mu umožňuje učit se, ukládat nebo vyvolávat vzpomínky, když je to potřeba. 

Tato nová metoda učení umělé inteligence přímo implementuje konfigurace neuronových obvodů. 

Pro efektivní implementaci umělé inteligence v elektronických zařízeních je důležité, aby byla podporována vývoj přizpůsobeného hardwaru. Říká se, že většina elektronických zařízení vytvořených pro umělou inteligenci vyžaduje vysokou spotřebu energie. Pokud mají provádět rozsáhlé úkoly, potřebují také vysoce integrované paměťové pole. Tyto limity spotřeby a integrace se ukázaly být obtížně překonatelné, a proto výzkumníci začali hledat hlouběji do lidského mozku, aby věděli, jak řeší problémy. 

Velmi efektivní technologie

Tým prokázal efektivitu nové technologie vytvořením umělé neuronové sítě s samo-rectifikační synaptickou pole a algoritmem nazývaným „systém ukládání“. Tento hardware byl vyvinut pro provádění učení umělé inteligence a podařilo se mu snížit spotřebu energie o 37 % v rámci systému ukládání bez degradace přesnosti. 

„V této studii jsme implementovali metodu učení lidského mozku pouze s jednoduchou kompozicí obvodu a prostřednictvím toho jsme byli schopni snížit potřebnou energii téměř o 40 procent,“ řekl profesor Kim. 

Jedním z důležitých aspektů tohoto nového systému ukládání, který napodobuje činnost mozku, je, že je kompatibilní s existujícími elektronickými zařízeními a komerčními polovodičovými hardwarovými zařízeními. Systém by mohl sehrát velkou roli v návrhu budoucích generací polovodičových čipů pro umělou inteligenci.