Νέα Ελαφρώς Ενεργοποιημένη Πλακέτα Υπολογιστή Μπορεί να Κάνει τη Νοημοσύνη Των Υπολογιστών Ευκρινέστερη και Μικρότερη

Οι ερευνητές έχουν αναπτύξει μια ηλεκτρονική πλακέτα που μιμείται τον τρόπο με τον οποίο ο ανθρώπινος εγκέφαλος επεξεργάζεται οπτικές πληροφορίες, συνδυάζοντας αλγόριθμους νοημοσύνης με το απαραίτητο υλικό για την καταγραφή εικόνων.

Μια διεθνής ομάδα ερευνητών από τις Ηνωμένες Πολιτείες, την Κίνα και την Αυστραλία έχουν συνεργαστεί σε μια νέα ηλεκτρονική πλακέτα που σχεδιάστηκε για να βελτιώσει την τεχνητή νοημοσύνη, συνδυάζοντας προηγμένα λογισμικά και υλικό σε một μικρό συσκευή που τροφοδοτείται από φως. Η έρευνα διηύθυνε από το Πανεπιστήμιο RMIT και δημοσιεύθηκε πρόσφατα στο περιοδικό Advanced Materials.

Το πρωτότυπο της συσκευής που δημιουργήθηκε από την ερευνητική ομάδα είναι σε νανοκλίμακα και συνδυάζει λογισμικό νοημοσύνης με υλικό επεξεργασίας εικόνων χάρη στη χρήση μεταϋλικών που αλλάζουν τον τρόπο με τον οποίο η πλακέτα ανταποκρίνεται στο φως. Με περαιτέρω βελτίωση, η τεχνολογία που χρησιμοποιήθηκε για τη δημιουργία αυτής της τεχνολογίας μπορεί να χρησιμεύσει ως η βάση για ακόμη μικρότερες και πιο έξυπνες συσκευές, καθώς και για drones και ρομπότ.

Σύμφωνα με τον Αναπληρωτή Καθηγητή Sumeer Walia του RMIT, το νέο πρωτότυπο της πλακέτας επιτρέπει τη λειτουργία του εγκεφάλου, συνδυάζοντας modυλαρικά компоненты σε ένα σύνθετο σύστημα.

“Η νέα μας τεχνολογία αυξάνει δραματικά την αποδοτικότητα και την ακρίβεια, συνδυάζοντας πολλαπλά компоненты και λειτουργίες σε μια seule πλατφόρμα”, εξήγησε ο Walia μέσω του RMIT news. “Μας φέρνει πιο κοντά σε μια συσκευή που ενσωματώνει όλα τα χαρακτηριστικά της νοημοσύνης, εμπνευσμένη από την πιο العظημη εφεύρεση της φύσης – τον ανθρώπινο εγκέφαλο”.

Σύμφωνα με τον Walia, ο στόχος της ερευνητικής ομάδας είναι να μιμηθεί έναν από τους κύριους τρόπους με τους οποίους ο εγκέφαλος μαθαίνει – την κωδικοποίηση οπτικών πληροφοριών ως μνήμες. Ενώ vẫn υπάρχει ένα σημαντικό ποσό εργασίας που πρέπει να γίνει, το πρωτότυπο που δημιουργήθηκε από την ερευνητική ομάδα αντιπροσωπεύει einen μεγάλο βήμα προς την βελτίωση της αλληλεπίδρασης ανθρώπου-μηχανής, την κλιμάκωση των βιομηχανικών συστημάτων και τη νευροβιολογία.

Οι περισσότερες εμπορικές εφαρμογές της τεχνητής νοημοσύνης βασίζονται σε εξωτερικό λογισμικό και επεξεργασία δεδομένων, αξιοποιώντας την υπολογιστική στο cloud. Για να κάνουν τις τοπικές εφαρμογές πιο ισχυρές και αξιόπιστες, το πρωτότυπο της πλακέτας συνδυάζει τη νοημοσύνη και το υλικό μαζί σε ένα παράδειγμα της edge AI. Συσκευές όπως τα αυτονομικά οχήματα και τα drones πρέπει να μπορούν να επεξεργαστούν ένα μεγάλο ποσό δεδομένων στην τοποθεσία, καθιστώντας τα ιδανικά παραδείγματα για τεχνολογία όπως το νέο πρωτότυπο της πλακέτας. Ο Walia εξήγησε ότι μια κάμερα στο ταμπλό ενός αυτοκινήτου, φορτωμένη με το νευρο-εμπνευσμένο υλικό που ανέπτυξαν οι ερευνητές, θα μπορούσε να αναγνωρίσει φώτα, άλλα οχήματα, σημάδια, πεζούς, φυτά και άλλα. Σύμφωνα με τον Walia, είναι δυνατόν ότι η πλακέτα μπορεί να προσφέρει “απαράμιλles επίπεδα αποδοτικότητας και ταχύτητας στη αυτόνομη και τη λήψη αποφάσεων με τη βοήθεια της τεχνητής νοημοσύνης”.

Η τεχνολογία που χρησιμοποιεί το πρωτότυπο βασίζεται σε προηγούμενες πλακέτες που αναπτύχθηκαν από ερευνητές του RMIT. Αυτές οι προηγούμενες πλακέτες χρησιμοποίησαν το φως για να χτίσουν και να τροποποιήσουν “μνήμες”. Τα νέα χαρακτηριστικά που δημιούργησε η ερευνητική ομάδα σημαίνει ότι η πλακέτα μπορεί να καταγράψει αυτόματα εικόνες, να χειριστεί εικόνες και να εκπαιδεύσει μοντέλα μηχανικής μάθησης που αναγνωρίζουν αντικείμενα με ακρίβεια πάνω από 90%.

Η σχεδίαση της πλακέτας επηρεάστηκε από την τεχνολογία της οπτογενετικής. Η οπτογενετική αναφέρεται σε νέες βιοτεχνολογικές εργαλεία που επιτρέπουν στους επιστήμονες να χειρίζονται νευρώνες με ακρίβεια χρησιμοποιώντας το φως. Η πλακέτα της τεχνητής νοημοσύνης που ανέπτυξε η ομάδα του RMIT χρησιμοποιεί το μαύρο φωσφόρο, ένα ημιαγωγικό υλικό. Ο μαύρος φωσφόρος είναι εξαιρετικά λεπτός και αλλάζει την ηλεκτρική αντίσταση του όταν αλλάζουν οι μήκες κύματος του φωτός. Όταν διαφορετικά μήκη κύματος φωτός στρέφονται στο υλικό, το υλικό αλλάζει τις ιδιότητές του, γίνεται χρήσιμο για διαφορετικές λειτουργίες όπως η αποθήκευση μνήμης και η απεικόνιση. Όπως εξήγησε ο Dr. Taimor Ahmed του RMIT, τα συστήματα υπολογισμού που βασίζονται στο φως είναι λιγότερο ενεργοβόρα, πιο ακριβή και ταχύτερα από τις παραδοσιακές μεθόδους υπολογισμού.

Σύμφωνα με τον Ahmed, το πλεονέκτημα της συνδυασμού modυλαρικών συστημάτων σε μια νανοκλίμακα συσκευή είναι ότι τα συστήματα της τεχνητής νοημοσύνης και τα αλγόριθμοι της μηχανικής μάθησης μπορούν να χρησιμοποιηθούν σε μικρότερες συσκευές. Jako παράδειγμα, ο Ahmed εξήγησε ότι οι επιστήμονες θα μπορούσαν να μειώσουν την τεχνολογία που ανέπτυξαν για να βελτιώσουν τις τεχνητές οφθαλμούς και να βελτιώσουν την ακρίβεια των βιομηχανικών ματιών.

“Το πρωτότυπό μας είναι μια σημαντική πρόοδος προς την τελική ηλεκτρονική: μια πλακέτα που μπορεί να μάθει από το περιβάλλον της όπως και εμείς”, είπε ο Ahmed.

Η σχεδίαση της πλακέτας έχει γίνει με την εύκολη ενσωμάτωση με άλλες τεχνολογίες και υφιστάμενες ηλεκτρονικές συσκευές.