Νέα Ηλεκτρονική Τριβή Χιπ που Ενδυναμώνει την Τεχνητή Νοημοσύνη και την Μικρομεγέθυσή της

Ερευνητές έχουν αναπτύξει einen ηλεκτρονικό chíp που μιμείται τον τρόπο με τον οποίο ο ανθρώπινος εγκέφαλος επεξεργάζεται οπτικές πληροφορίες, συνδυάζοντας αλγορίθμους Τεχνητής 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 einen νέο ηλεκτρονικό chíp που σχεδιάστηκε για να ενισχύσει την Τεχνητή Νοημοσύνη συνδυάζοντας προηγμένα λογισμικά και υλικό σε einen μικρό συσκευή που τροφοδοτείται από φως. Η έρευνα πραγματοποιήθηκε υπό την ηγεσία του Πανεπιστημίου RMIT και δημοσιεύθηκε πρόσφατα στο περιοδικό Advanced Materials.

Το πρωτότυπο συσκευή που δημιουργήθηκε από την ερευνητική ομάδα είναι σε νανοκλίμακα και ενσωματώνει λογισμικό Τεχνητής Νοημοσύνης με υλικό ηλεκτρονικής εικόνας χάρη στη χρήση μεταϋλικών που αλλάζουν τον τρόπο με τον οποίο ο chíπ ανταποκρίνεται στο φως. Με περαιτέρω βελτίωση, η τεχνολογία που χρησιμοποιήθηκε για τη δημιουργία αυτού του chíπ 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 chíπ προσφέρει λειτουργικότητα που μοιάζει με αυτή του εγκεφάλου, συνδυάζοντας modulaire компоненты σε einen σύνθετο σύστημα.

«Η νέα μας τεχνολογία αυξάνει δραματικά την αποτελεσματικότητα και την ακρίβεια, συνδυάζοντας πολλά компоненты και λειτουργίες σε μια seule πλατφόρμα», εξήγησε ο Walia μέσω του RMIT news. «Μας φέρνει πιο κοντά σε eine συσκευή Τεχνητής Νοημοσύνης που εμπνέεται από την φύση, τον ανθρώπινο εγκέφαλο».

Σύμφωνα με τον Walia, ο στόχος της ερευνητικής ομάδας είναι να μιμηθεί ένας από τους κύριους τρόπους με τους οποίους ο εγκέφαλος μαθαίνει – την κωδικοποίηση οπτικών πληροφοριών ως μνήμες. Αν και vẫn υπάρχει σημαντικό έργο να γίνει, το πρωτότυπο που δημιουργήθηκε από την ερευνητική ομάδα αντιπροσωπεύει einen μεγάλο βήμα προς την βελτίωση της αλληλεπίδρασης ανθρώπου-μηχανής, τις αναβαθμίσεις των βιονικών συστημάτων και τη νευροβιολογία.

Οι περισσότερες εμπορικές εφαρμογές 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 chíπ συνδυάζει την Τεχνητή Νοημοσύνη και το υλικό σε einen παράδειγμα edge AI. Συσκευές όπως τα αυτόνομα οχήματα και τα drones πρέπει να μπορούν να επεξεργαστούν μεγάλα δεδομένα στην τοποθεσία, καθιστώντας τα ιδανικά παραδείγματα για τεχνολογία όπως το νέο chíπ. Ο Walia εξήγησε ότι eine κάμερα στο πίνακα 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 το chíπ να προσφέρει «απρόσβλητες επίπεδα αποτελεσματικότητας και ταχύτητας στη λήψη αποφάσεων με Τεχνητή Νοημοσύνη».

Η τεχνολογία που χρησιμοποιείται στο πρωτότυπο βασίζεται σε προηγούμενους chíπ που αναπτύχθηκαν από ερευνητές του RMIT. Αυτοί οι προηγούμενοι chíπ χρησιμοποιούσαν φως για να δημιουργήσουν και να τροποποιήσουν «μνήμες». Τα νέα χαρακτηριστικά που δημιούργησε η ερευνητική ομάδα σημαίνει ότι το chíπ μπορεί να καταγράφει αυτόματα εικόνες, να τις επεξεργάζεται και να εκπαιδεύει μοντέλα μηχανικής μάθησης που αναγνωρίζουν αντικείμενα με ακρίβεια πάνω από 90%.

Ο σχεδιασμός του chíπ επηρεάστηκε από την τεχνολογία οπτογενετικής. Η οπτογενετική αναφέρεται σε εργαλεία βιοτεχνολογίας που επιτρέπουν στους επιστήμονες να χειρίζονται νευρώνες με ακρίβεια χρησιμοποιώντας φως. Το chíπ Τεχνητής Νοημοσύνης που ανέπτυξαν οι ερευνητές του RMIT χρησιμοποιεί φωσφόρο, ένα ημιαγωγικό υλικό. Ο φώσφορος είναι εξαιρετικά λεπτός και αλλάζει την ηλεκτρική αντίσταση του όταν αλλάζουν τα μήκη κύματος του φωτός. Όταν διαφορετικά μήκη κύματος φωτός στέλνονται στο υλικό, το υλικό αλλάζει τις ιδιότητές του, καθιστώντας το χρήσιμο για διάφορες λειτουργίες όπως η αποθήκευση μνήμης και η απεικόνιση. Όπως εξήγησε ο Dr. Taimor Ahmed, ο κύριος συγγραφέας της μελέτης, 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 συνδυασμής modulaire συστημάτων σε einen νανο-κλίμακα συσκευή είναι ότι τα συστήματα Τεχνητής Νοημοσύνης και τα αλγόριθμους μηχανικής μάθησης μπορούν να χρησιμοποιηθούν σε μικρότερες συσκευές. Για 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 βιονικών οφθαλμών.

«Το πρωτότυπό μας είναι ένας σημαντικός προηγμένος βήμα προς το τελικό στην ηλεκτρονική: einen chíπ που μπορεί να μάθει από το περιβάλλον του όπως και εμείς», είπε ο Ahmed.

Το πρωτότυπο chíπ έχει σχεδιαστεί με την εύκολη ενσωμάτωση με άλλες τεχνολογίες και υφιστάμενα ηλεκτρονικά στο μυαλό.