Algoritmo risolve compiti di apprendimento complessi con estrema efficienza energetica

Un team di ricerca interdisciplinare ha fatto importanti progressi nello sviluppo di una macchina in grado di elaborare informazioni con la stessa efficienza del cervello umano, un obiettivo a lungo cercato nel campo dell’intelligenza artificiale. Il team dell’Università di Heidelberg in Germania e dell’Università di Berna in Svizzera è stato guidato dal dottor Mihai Petrovici.

I risultati della ricerca sono stati pubblicati sulla rivista Nature Machine Intelligence.

Reti neurali artificiali ispirate alla biologia

Il team si è concentrato su reti neurali artificiali ispirate alla biologia per affrontare questa sfida. Le reti neurali a impulsi imitano la struttura e la funzione di un sistema nervoso naturale e sono considerate una promettente candidata grazie alle loro caratteristiche che le rendono potenti, veloci ed efficienti in termini di energia. Una delle principali sfide è stata quella di addestrare tali sistemi complessi, e il team sta ora raggiungendo questo obiettivo con l’algoritmo appena implementato.

I neuroni nel cervello trasmettono informazioni utilizzando brevi impulsi elettrici, che vengono definiti come impulsi. Questi vengono attivati quando una certa soglia di stimolo viene superata. Lo scambio di informazioni è fortemente influenzato sia dalla frequenza con cui un singolo neurone produce impulsi che dalla sequenza temporale degli impulsi individuali.

Julian Göltz è un dottorando nel gruppo di ricerca.

“La principale differenza tra le reti biologiche a impulsi e le reti neurali artificiali è che, poiché utilizzano l’elaborazione delle informazioni basata sugli impulsi, possono risolvere compiti complessi come il riconoscimento e la classificazione delle immagini con estrema efficienza energetica”, afferma Göltz.

Raggiungere il pieno potenziale

Il cervello umano e le reti neurali artificiali a impulsi richiedono entrambi che i singoli neuroni siano correttamente connessi tra loro per raggiungere il loro pieno potenziale. Per questo motivo, i ricercatori dovevano scoprire come i sistemi ispirati al cervello, o neuromorfici, possano essere regolati per elaborare correttamente gli input a impulsi.

Laura Kriener è un’altra membro del team di ricerca.

“Questa domanda è fondamentale per lo sviluppo di potenti reti artificiali basate su modelli biologici”, afferma Kriener.

Vengono utilizzati algoritmi speciali per garantire che i neuroni in una rete neurale a impulsi si attivino al momento giusto, e questi algoritmi regolano le connessioni tra i neuroni in modo che la rete possa eseguire i compiti richiesti. Questo compito può essere ad esempio la classificazione di immagini con alta precisione.

È questo il tipo di algoritmo che il team ha sviluppato.

“Utilizzando questo approccio, possiamo addestrare le reti neurali a impulsi a codificare e trasmettere informazioni esclusivamente in singoli impulsi. Producono così i risultati desiderati in modo particolarmente rapido ed efficiente”, spiega Göltz.

I ricercatori sono anche riusciti a implementare una rete neurale addestrata con questo algoritmo su una piattaforma fisica. La piattaforma era la piattaforma di hardware neuromorfico BrainScaleS-2 sviluppata all’Università di Heidelberg.

I ricercatori affermano che il sistema BrainScaleS elabora le informazioni fino a mille volte più velocemente del cervello umano, richiedendo al contempo molto meno energia rispetto ai sistemi informatici convenzionali.

Il sistema fa parte del Progetto Europeo del Cervello Umano. Il progetto integra tecnologie come il calcolo neuromorfico in una piattaforma aperta chiamata EBRAINS.

“Tuttavia, il nostro lavoro non è interessante solo per il calcolo neuromorfico e l’hardware ispirato alla biologia. Riconosce anche la richiesta della comunità scientifica di trasferire gli approcci di apprendimento profondo alla neuroscienza e di svelare ulteriormente i segreti del cervello umano”, afferma il dottor Petrovici.