Algoritmus řeší komplexní úkoly učení s extrémní energetickou efektivitou

Mezioborový výzkumný tým dosáhl významného pokroku ve vývoji stroje, který může zpracovávat informace stejně efektivně jako lidský mozek, což je dlouho hledaný cíl v oblasti umělé inteligence. Tým z Heidelbergské univerzity v Německu a Univerzity v Bernu ve Švýcarsku byl veden Dr. Mihai Petrovicim.

Výsledky výzkumu byly zveřejněny v časopise Nature Machine Intelligence.

Biologicky inspirované umělá neuronová síť

Tým se zaměřil na biologicky inspirované umělá neuronová síť, aby řešil tuto výzvu. Špičkové neuronové sítě napodobují strukturu a funkci přirozeného nervového systému a jsou považovány za slibného kandidáta díky svým vlastnostem, které je činí silnými, rychlými a energeticky efektivními. Jednou z hlavních výzev bylo naučit se takové komplexní systémy a tým je nyní blízko k tomu, aby to dokázal s nově implementovaným algoritmem.

Neurony v mozku přenášejí informace pomocí krátkých elektrických pulzů, které se nazývají špičky. Tyto špičky jsou spuštěny, když je překročen určitý stimulační práh. Výměna informací je silně ovlivněna jak frekvencí, s níž jeden neuron produkuje špičky, tak časovou sekvencí jednotlivých špiček.

Julian Göltz je doktorandem ve výzkumné skupině.

“Hlavní rozdíl biologických špičkových sítí a umělých neuronových sítí spočívá v tom, že špičkové sítě mohou řešit komplexní úkoly, jako je rozpoznávání a klasifikace obrazů, s extrémní energetickou efektivitou,” uvádí Göltz.

Dosažení plného potenciálu

Lidský mozek a umělá špičková neuronová síť vyžadují, aby jednotlivé neurony byly správně propojeny, aby dosáhly plného potenciálu. To je důvod, proč výzkumníci museli objevit, jak mozek-inspirované, nebo neuromorfní systémy, lze upravit tak, aby zpracovávaly špičkový vstup správně.

Laura Kriener je další členkou výzkumného týmu.

“Tato otázka je zásadní pro vývoj silných umělých sítí založených na biologických modelech,” říká Kriener.

Zvláštní algoritmy musí být použity, aby se zajistilo, že neurony v špičkové neuronové síti budou fungovat ve správný čas, a tyto algoritmy upravují spojení mezi neurony, aby síť mohla provádět požadované úkoly. Tento úkol může být něco jako klasifikace obrazů s vysokou přesností.

Tento algoritmus vyvinul tým.

“Pomocí tohoto přístupu můžeme naučit špičkové neuronové sítě kódovat a přenášet informace výhradně v jednotlivých špičkách. Takže produkují požadované výsledky obzvláště rychle a efektivně,” vysvětluje Göltz.

Výzkumníci se také podařilo implementovat neuronovou síť s tímto algoritmem na fyzické platformě. Platformou byla BrainScaleS-2 neuromorfní hardwarová platforma vyvinutá na Heidelbergské univerzitě.

Výzkumníci říkají, že BrainScaleS systém zpracovává informace až tisíckrát rychleji než lidský mozek, a to při mnohem nižší spotřebě energie než konvenční počítačové systémy.

Systém je součástí evropského projektu Human Brain Project. Projekt integruje technologie, jako je neuromorfní výpočet, do otevřené platformy nazvané EBRAINS.

“Naše práce však není zajímavá pouze pro neuromorfní výpočet a biologicky inspirované hardware. Také uznává poptávku ze strany vědecké komunity přenést takzvané hluboké učení na neurovědu a tím dále odhalit tajemství lidského mozku,” říká Dr. Petrovici.