Αλγόριθμος Λύνει Συμπλέγματα Μαθηματικά Προβλήματα Με Εξαιρετική Ενεργειακή Αποδοτικότητα

Μια διεπιστημονική ερευνητική ομάδα έχει κάνει σημαντική πρόοδο στην ανάπτυξη μιας μηχανής που μπορεί να επεξεργαστεί πληροφορίες με την ίδια αποδοτικότητα όπως ο ανθρώπινος εγκέφαλος, κάτι που έχει αναζητηθεί για καιρό στον τομέα της τεχνητής νοημοσύνης. Η ομάδα στο Πανεπιστήμιο του Χάιντελμπεργκ στη Γερμανία και το Πανεπιστήμιο του Μπέρν στη Σουηδία ηγήθηκε από τον Δρ. Mihai Petrovici.

Τα αποτελέσματα της έρευνας δημοσιεύθηκαν στο περιοδικό Nature Machine Intelligence.

Βιολογικά Εμπνευσμένα Τεχνητά Νευρωνικά Δίκτυα

Η ομάδα στράφηκε προς τα βιολογικά εμπνευσμένα τεχνητά νευρωνικά δίκτυα για να αντιμετωπίσει αυτή την πρόκληση. Τα δίκτυα νευρώνων που παρουσιάζουν σπाइकς μιμούνται τη δομή και τη λειτουργία του φυσικού νευρικού συστήματος και θεωρούνται υποσχόμενοι υποψήφιοι λόγω των χαρακτηριστικών τους που τα κάνουν ισχυρά, γρήγορα και ενεργειακά αποδοτικά. Μια από τις βασικές προκλήσεις ήταν να εκπαιδεύσουν τέτοιους σύνθετους συστήματα, και η ομάδα είναι τώρα κοντά στο να το κάνει με τον nově εφαρμοσμένο αλγόριθμο.

Οι νευρώνες στο εγκέφαλο μεταφέρουν πληροφορίες χρησιμοποιώντας σύντομες ηλεκτρικές παλμούς, που ονομάζονται σπाइकς. Αυτοί προκαλούνται όταν μια bestimmμένη ερεθιστική κατώτατη όρια υπερβαίνει. Η ανταλλαγή πληροφοριών επηρεάζεται σε μεγάλο βαθμό από τη συχνότητα με την οποία ένας μόνο νευρώνας παράγει σπाइकς και τη χρονική ακολουθία των ατομικών σπικ.

Ο Julian Göltz είναι διδακτορικός υποψήφιος στην ερευνητική ομάδα.

“Η κύρια διαφορά των βιολογικών δικτύων νευρώνων που παρουσιάζουν σπाइकς από τα τεχνητά νευρωνικά δίκτυα είναι ότι, επειδή χρησιμοποιούν επεξεργασία πληροφοριών με βάση τις σπाइकς, μπορούν να λύσουν σύνθετα καθήκοντα όπως η αναγνώριση εικόνων και η ταξινόμηση με εξαιρετική ενεργειακή αποδοτικότητα”, δηλώνει ο Göltz.

Επιδίωξη του Πλήρους Δυναμικού

Ο ανθρώπινος εγκέφαλος και τα τεχνητά δίκτυα νευρώνων που παρουσιάζουν σπाइकς απαιτούν τους ατομικούς νευρώνες να είναι σωστά συνδεδεμένοι μεταξύ τους για να επιτύχουν το πλήρες δυναμικό τους. Αυτός είναι ο λόγος για τον οποίο οι ερευνητές χρειάστηκε να ανακαλύψουν πώς τα νευρομορφικά συστήματα μπορούν να ρυθμιστούν για να επεξεργαστούν σωστά τις είσοδους που παρουσιάζουν σπाइकς.

Η Laura Kriener είναι άλλος ένας μέλος της ερευνητικής ομάδας.

“Αυτή η ερώτηση είναι θεμελιώδης για την ανάπτυξη ισχυρών τεχνητών δικτύων με βάση τα βιολογικά μοντέλα”, λέει η Kriener.

Ειδικοί αλγόριθμοι πρέπει να χρησιμοποιηθούν για να διασφαλιστεί ότι οι νευρώνες σε ένα δίκτυο νευρώνων που παρουσιάζουν σπϊκς θα πυροδοτήσουν στην σωστή στιγμή, και αυτοί οι αλγόριθμοι ρυθμίζουν τις συνδέσεις μεταξύ των νευρώνων ώστε το δίκτυο να εκτελεί τα απαιτούμενα καθήκοντα. Αυτό το καθήκον μπορεί να είναι κάτι όπως η ταξινόμηση εικόνων με υψηλή ακρίβεια.

Αυτός είναι ο τύπος αλγορίθμου που ανέπτυξε η ομάδα.

“Χρησιμοποιώντας αυτήν την προσέγγιση, μπορούμε να εκπαιδεύσουμε δίκτυα νευρώνων που παρουσιάζουν σπϊκς για να κωδικοποιήσουν και να μεταφέρουν πληροφορίες αποκλειστικά σε μονές σπϊκς. Παραγάγουν έτσι τα επιθυμητά αποτελέσματα ιδιαίτερα γρήγορα και αποτελεσματικά”, εξηγεί ο Göltz.

Οι ερευνητές κατάφεραν επίσης να εφαρμόσουν ένα νευρωνικό δίκτυο που εκπαιδεύτηκε με αυτόν τον αλγόριθμο σε μια φυσική πλατφόρμα. Η πλατφόρμα ήταν η νευρομορφική πλατφόρμα BrainScaleS-2 που αναπτύχθηκε στο Πανεπιστήμιο του Χάιντελμπεργκ.

Οι ερευνητές λένε ότι το σύστημα BrainScaleS επεξεργάζεται πληροφορίες μέχρι και χίλιες φορές πιο γρήγορα από τον ανθρώπινο εγκέφαλο, ενώ απαιτεί πολύ λιγότερη ενέργεια από τα συμβατικά συστήματα υπολογιστών.

Το σύστημα είναι μέρος του Ευρωπαϊκού Προγράμματος Ανθρώπινου Εγκεφάλου. Το πρόγραμμα ενσωματώνει τεχνολογίες όπως η νευρομορφική υπολογιστική σε μια ανοιχτή πλατφόρμα που ονομάζεται EBRAINS.

“Ωστόσο, η δουλειά μας δεν είναι μόνο ενδιαφέρουσα για τη νευρομορφική υπολογιστική και τη βιολογικά εμπνευσμένη υλική υποδομή. Αναγνωρίζει επίσης την απαίτηση της επιστημονικής κοινότητας να μεταφέρει τις λεγόμενες Προσέγγισεις Βαθιάς Μάθησης στην νευροεπιστήμη και να αποκαλύψει περαιτέρω τα μυστικά του ανθρώπινου εγκεφάλου”, λέει ο Δρ. Petrovici.