Intel Labs ນຳສະເໜີວິທີການໃໝ່ຕໍ່ກັບການຮຽນຮູ້ວັດຖຸທີ່ອີງໃສ່ Neural Network

ນັກຄົ້ນຄວ້າຢູ່ Intel Labs, ຮ່ວມມືກັບສະຖາບັນເຕັກໂນໂລຢີຂອງອິຕາລີແລະວິທະຍາໄລດ້ານວິຊາການຂອງ Munich, ໄດ້ນໍາສະເຫນີວິທີການໃຫມ່ໃນການຮຽນຮູ້ວັດຖຸເຄືອຂ່າຍ neural. ວິທີການໃຫມ່ໂດຍສະເພາະເປົ້າຫມາຍຄໍາຮ້ອງສະຫມັກຫຸ່ນຍົນໃນອະນາຄົດເຊັ່ນ: ຜູ້ຊ່ວຍຫຸ່ນຍົນທີ່ພົວພັນກັບສະພາບແວດລ້ອມທີ່ບໍ່ມີຂໍ້ຈໍາກັດ, ທີ່ມີຢູ່ໃນສະຖານະການເຊັ່ນ: ການຂົນສົ່ງແລະການດູແລສຸຂະພາບ. 

ການຄົ້ນຄວ້າໃຫມ່ສາມາດພິສູດໄດ້ວ່າສໍາຄັນສໍາລັບການປັບປຸງການບໍລິການຫຼືຄວາມສາມາດໃນການຜະລິດຂອງຫຸ່ນຍົນໃນອະນາຄົດຂອງພວກເຮົາ. 

ບົດ​ຄົ້ນຄວ້າ​ທີ່​ມີ​ຫົວ​ຂໍ້​ວ່າ “ການຮຽນຮູ້ຢ່າງຕໍ່ເນື່ອງແບບໂຕ້ຕອບສໍາລັບຫຸ່ນຍົນ: ວິທີການ neuromorphic” ໄດ້ຮັບລາງວັນ “ເຈ້ຍທີ່ດີທີ່ສຸດ” ໃນກອງປະຊຸມສາກົນ 2022 ກ່ຽວກັບລະບົບ Neuromorphic (ICONS) ເປັນເຈົ້າພາບໂດຍ Oak Ridge National Laboratory. 

ການຮຽນຮູ້ວັດຖຸແລະການຄິດໄລ່ Neuromorphic

ວິທີການຮຽນຮູ້ວັດຖຸໃໝ່ ແລະແບບໂຕ້ຕອບໄດ້ນຳໃຊ້ການຄຳນວນ neuromorphic ເພື່ອເຮັດໃຫ້ຫຸ່ນຍົນຄົ້ນພົບວັດຖຸໃໝ່. 

ກຸ່ມຂອງນັກຄົ້ນຄວ້າໄດ້ນໍາໃຊ້ແບບຈໍາລອງໃຫມ່ເພື່ອສະແດງໃຫ້ເຫັນການຮຽນຮູ້ແບບໂຕ້ຕອບໃນຊິບ neuromorphic Loihi, ແລະພວກເຂົາບັນລຸເຖິງ 175 ເທົ່າຂອງການໃຊ້ພະລັງງານຕ່ໍາກວ່າເມື່ອຮຽນຮູ້ວັດຖຸໃຫມ່. ພວກເຂົາເຈົ້າຍັງໄດ້ບັນລຸຄວາມໄວແລະຄວາມແມ່ນຍໍາທີ່ຄ້າຍຄືກັນຫຼືດີກວ່າເມື່ອປຽບທຽບກັບວິທີການທໍາມະດາທີ່ໃຊ້ໃນ CPU. 

ຮູບພາບ: Intel Labs

ນັກຄົ້ນຄວ້າສາມາດບັນລຸໄດ້ໂດຍການຈັດຕັ້ງປະຕິບັດສະຖາປັດຕະຍະກໍາເຄືອຂ່າຍ neural spiking ສຸດ Loihi, ເຮັດໃຫ້ມັນເປັນໄປໄດ້ທີ່ຈະຈັດພື້ນທີ່ການຮຽນຮູ້ຂອງວັດຖຸໃນຊັ້ນດຽວຂອງ synapses ພາດສະຕິກ. ມັນຍັງກວມເອົາທັດສະນະວັດຖຸທີ່ແຕກຕ່າງກັນໂດຍການທົດແທນ neurons ໃຫມ່ຕາມຄວາມຕ້ອງການ. ຂະບວນການຮຽນຮູ້ສາມາດເກີດຂຶ້ນໄດ້ໂດຍຕົນເອງໃນຂະນະທີ່ໂຕ້ຕອບກັບຜູ້ໃຊ້. 

Yulia Sandamirskaya ເປັນຜູ້ຂຽນອາວຸໂສຂອງການຄົ້ນຄວ້າເຈ້ຍແລະຫຸ່ນຍົນຜູ້ນໍາໃນຫ້ອງທົດລອງຄອມພິວເຕີ້ neuromorphic ຂອງ Intel.

"ເມື່ອມະນຸດຮຽນຮູ້ວັດຖຸໃຫມ່, ພວກເຂົາເບິ່ງ, ຫັນມັນໄປ, ຖາມວ່າມັນແມ່ນຫຍັງ, ແລະຫຼັງຈາກນັ້ນເຂົາເຈົ້າສາມາດຮັບຮູ້ມັນອີກເທື່ອຫນຶ່ງໃນທຸກຮູບແບບແລະເງື່ອນໄຂໃນທັນທີ," Sandamirskaya ເວົ້າ. "ເປົ້າຫມາຍຂອງພວກເຮົາແມ່ນເພື່ອນໍາໃຊ້ຄວາມສາມາດທີ່ຄ້າຍຄືກັນກັບຫຸ່ນຍົນໃນອະນາຄົດທີ່ເຮັດວຽກຢູ່ໃນການຕັ້ງຄ່າແບບໂຕ້ຕອບ, ເຮັດໃຫ້ມັນສາມາດປັບຕົວເຂົ້າກັບສິ່ງທີ່ບໍ່ໄດ້ຄາດຄິດແລະເຮັດວຽກຮ່ວມກັນກັບມະນຸດທໍາມະຊາດຫຼາຍຂຶ້ນ. ຜົນໄດ້ຮັບຂອງພວກເຮົາກັບ Loihi ເສີມສ້າງມູນຄ່າຂອງຄອມພິວເຕີ້ neuromorphic ສໍາລັບອະນາຄົດຂອງຫຸ່ນຍົນ. 

ຮູບພາບ: Intel Labs

Intel Labs ການຄົ້ນຄວ້າຄອມພິວເຕີ້ Neuromorphic

Intel Labs ເປັນຜູ້ນໍາໃນດ້ານການຄົ້ນຄວ້າຄອມພິວເຕີ້ neuromorphic, ເຮັດວຽກເພື່ອ "ຊ່ວຍຮັບຮູ້ເປົ້າຫມາຍຂອງຄອມພິວເຕີ້ neuromorphic ຂອງການເປີດໃຊ້ອຸປະກອນອັດສະລິຍະຮຸ່ນຕໍ່ໄປແລະລະບົບອັດຕະໂນມັດ." 

ຄອມພິວເຕີ້ Neuromorphic ຖືກນໍາພາໂດຍຫຼັກການຂອງຄອມພິວເຕີ້ທາງຊີວະວິທະຍາ, ແລະມັນອີງໃສ່ວິທີການ algorithmic ໃຫມ່ເພື່ອຈໍາລອງສະຫມອງຂອງມະນຸດແລະວິທີການທີ່ມັນພົວພັນກັບໂລກ.

ວິທີການສະຖາປັດຕະຍະກໍາໃຫມ່ໆຂອງຄອມພິວເຕີ້ neuromorphic ຈະຮັບຜິດຊອບສໍາລັບການສະຫນອງການແກ້ໄຂ AI ອັດຕະໂນມັດໃນອະນາຄົດທີ່ຕ້ອງການທັງປະສິດທິພາບພະລັງງານແລະການຮຽນຮູ້ຢ່າງຕໍ່ເນື່ອງ. ມັນໄດ້ຖືກ ນຳ ໃຊ້ແລ້ວໃນຂົງເຂດຕ່າງໆເຊັ່ນຫຸ່ນຍົນ, ເຊັນເຊີ, ການດູແລສຸຂະພາບ, ແລະແອັບພລິເຄຊັນ AI ຂະຫນາດໃຫຍ່.