Nowy, zasilany światłem układ scalony może uczynić sztuczną inteligencję bardziej inteligentną i mniejszą

Naukowcy opracowali układ scalony elektroniczny, który naśladuje sposób, w jaki ludzki mózg przetwarza informacje wizualne, łącząc algorytmy sztucznej inteligencji z oprogramowaniem niezbędnym do przechwytywania obrazów.

Międzynarodowy zespół naukowców z Stanów Zjednoczonych, Chin i Australii współpracował nad nowym układem scalonym, zaprojektowanym w celu udoskonalenia sztucznej inteligencji poprzez połączenie zaawansowanego oprogramowania i sprzętu w małym urządzeniu zasilanym światłem. Badania były prowadzone przez Uniwersytet RMIT i opublikowane w czasopiśmie Advanced Materials.

Prototypowy urządzenie stworzone przez zespół badawczy ma rozmiar nanoskali i łączy oprogramowanie sztucznej inteligencji z oprogramowaniem do obrazowania komputerowego dzięki zastosowaniu metamateriałów, które zmieniają sposób, w jaki układ scalony reaguje na światło. Po dalszych udoskonaleniach technologia ta może posłużyć jako podstawa do stworzenia jeszcze mniejszych i bardziej inteligentnych urządzeń, a także dronów i robotów.

Zdaniem profesora Sumeera Walii z Uniwersytetu RMIT nowy prototyp układu scalonego umożliwia funkcjonalność podobną do mózgu dzięki połączeniu modułowych komponentów w złożony system.

“Nasza nowa technologia radykalnie zwiększa wydajność i dokładność, łącząc wiele komponentów i funkcjonalności w jedną platformę”, wyjaśnił Walia w komunikacie prasowym RMIT. „To nas przybliża do urządzenia sztucznej inteligencji wszystkich w jednym, zainspirowanego naturą – ludzkim mózgiem”.

Zdaniem Walii celem zespołu badawczego jest naśladowanie jednego z głównych sposobów, w jaki mózg uczy się – kodowania informacji wizualnych jako wspomnień. Chociaż pozostaje jeszcze wiele pracy do wykonania, prototyp stworzony przez zespół badawczy stanowi duży krok w kierunku udoskonalenia interakcji człowiek-maszyna, skalowalnych systemów bionicznych i neurobiologii.

Większość komercyjnych aplikacji sztucznej inteligencji opiera się na oprogramowaniu i przetwarzaniu danych poza miejscem, wykorzystując chmurę obliczeniową. Aby uczynić aplikacje lokalne bardziej potężnymi i niezawodnymi, prototypowy układ scalony łączy inteligencję i sprzęt w przykładzie sztucznej inteligencji krawędziowej. Urządzenia takie jak samochody autonomiczne i drony muszą być w stanie przetwarzać duże ilości danych na miejscu, co czyni je idealnymi przypadkami użycia dla takiej technologii. Walia wyjaśnił, że kamera samochodowa wyposażona w opracowane przez naukowców sprzęt neuroinspirowany może rozpoznać światła, inne pojazdy, znaki, pieszych, rośliny i wiele innych. Według Walii możliwe, że układ scalony może dostarczyć „niewyobrażalnych poziomów wydajności i szybkości w podejmowaniu decyzji autonomicznych i sztucznej inteligencji”.

Technologia zastosowana w prototypie opiera się na wcześniejszych układach scalonych opracowanych przez naukowców z RMIT. Te wcześniejsze prototypy wykorzystywały światło do tworzenia i modyfikowania „wspomnień”. Nowe funkcje stworzone przez zespół badawczy oznaczają, że układ scalony może automatycznie przechwytywać obrazy, manipulować nimi i trenować modele uczenia maszynowego, które rozpoznają obiekty z dokładnością ponad 90%.

Projekt prototypowego układu scalonego został opracowany pod wpływem technologii optogenetycznej. Optogenetyka odnosi się do nowych narzędzi biotechnologicznych, które umożliwiają naukowcom manipulowanie neuronami z precyzją przy użyciu światła. Układ scalony sztucznej inteligencji opracowany przez zespół RMIT wykorzystuje czarny fosfor, półprzewodnikowy materiał. Czarny fosfor jest niezwykle cienki i zmienia swoje właściwości elektryczne wraz ze zmianą długości fal światła. Gdy na materiał są skierowane różne długości fal światła, materiał zmienia swoje właściwości, stając się przydatnym do różnych funkcji, takich jak przechowywanie pamięci i obrazowania. Jak wyjaśnił doktor Taimor Ahmed z RMIT, jako główny autor badania, systemy komputerowe oparte na świetle są mniej energochłonne, bardziej dokładne i szybsze niż tradycyjne metody komputerowe.

Zdaniem Ahmeda korzyścią z łączenia modułowych systemów w jeden nanoskaliowy układ scalony jest to, że systemy sztucznej inteligencji i algorytmy uczenia maszynowego mogą być stosowane w mniejszych urządzeniach. Jako przykład Ahmed wyjaśnił, że naukowcy mogą zmniejszyć technologię, którą opracowali, aby udoskonalić sztuczne siatkówki i poprawić dokładność oczu bionicznych.

“Nasz prototyp jest znacznym postępem w kierunku ostatecznego celu w elektronice: układu scalonego na chipie, który może uczyć się ze swojego otoczenia tak jak my”, powiedział Ahmed.

Prototypowy układ scalony został zaprojektowany z myślą o łatwej integracji z innymi technologiami i istniejącymi urządzeniami elektronicznymi.