AI-modeller och plattformar

Nytt ljusdriven datorchip kan göra AI smartare och mindre

mm
Lägg till Unite.AI bland dina föredragna källor på Google

Forskare har utvecklat en elektronisk chip som imiterar hur den mänskliga hjärnan bearbetar visuell information, genom att kombinera AI-algoritmer med den hårdvara som behövs för att fånga bilder.

Ett internationellt team av forskare från USA, Kina och Australien har samarbetat kring en ny elektronisk chip som är utformad för att förbättra artificiell intelligens genom att kombinera avancerad programvara och hårdvara i en liten enhet som drivs av ljus. Forskningen leddes av RMIT University och publicerades nyligen i tidskriften Advanced Materials.

Prototypenheten som skapades av forskarteamet är på nanoskalan och integrerar AI-programvara med datoravbildningshårdvara tack vare användningen av metamaterial som ändrar hur chipen svarar på ljus. Med ytterligare förfining kan tekniken som används för att skapa detta kunna fungera som underlag för ännu mindre och smartare enheter, samt drönare och robotar.

Enligt RMIT Associate Professor Sumeer Walia möjliggör den nya chipprototypen hjärnliknande funktioner genom att kombinera modulära komponenter i ett komplext system.

“Vår nya teknik förbättrar radikalt effektiviteten och noggrannheten genom att kombinera flera komponenter och funktioner i en enda plattform”, förklarade Walia via RMIT-nyheter. “Det tar oss närmare en allt-i-ett AI-enhet som inspirerats av naturens största datorinnovation – den mänskliga hjärnan.”

Enligt Walia är målet för forskarteamet att efterlikna en av de primära sätten som hjärnan lär sig – kodningen av visuell information som minnen. Medan det fortfarande finns en betydande mängd arbete kvar att göra, representerar prototypen som skapats av forskarteamet ett stort steg mot förbättrad mänsklig-maskininteraktion, skalbara bioniska system och neurobiotik.

De flesta kommersiella AI-tillämpningar förlitar sig på programvara och data bearbetning utanför platsen, med hjälp av molnbaserad datoranvändning. För att göra på platsen tillämpningar mer kraftfulla och tillförlitliga integrerar prototypchippet intelligens och hårdvara tillsammans i ett exempel på edge AI. Enheter som autonoma fordon och drönare måste kunna bearbeta stora mängder data på platsen, vilket gör dem till idealiska användningsfall för tekniken som den nya chipprototypen. Walia förklarade att en dash-cam i en bil, utrustad med den neuro-inspirerade hårdvaran som forskarna utvecklat, kunde känna igen lampor, fordon, skyltar, fotgängare, växter och mer. Enligt Walia är det möjligt att chipet kan leverera “orealistiska nivåer av effektivitet och hastighet i autonoma och AI-styrda beslut”.

Tekniken som prototypen använder bygger på tidigare chip som utvecklats av RMIT-forskare. Dessa tidigare prototyper använde ljus för att bygga och modifiera “minnen”. De nya funktionerna som skapats av forskarteamet innebär att chipet kan automatiskt fånga bilder, manipulera bilder och träna maskinlärningsmodeller som känner igen objekt med över 90 procents noggrannhet.

Prototypchippets design influerades av optogenetisk teknik. Optogenetik avser framväxande biotekniska verktyg som möjliggör för forskare att manipulera neuroner med precision med hjälp av ljus. AI-chipen som utvecklats av RMIT-teamet använder svart fosfor, ett halvledarmaterial. Svart fosfor är extremt tunt och ändrar sin elektriska resistans när ljusvåglängder förändras. När olika ljusvåglängder lyser på materialet ändrar det sina egenskaper och blir användbart för olika funktioner som minneslagring och avbildning. Som huvudförfattare till studien förklarade Dr. Taimor Ahmed från RMIT att ljusbaserade datorsystem är mindre energikrävande, mer exakta och snabbare än traditionella datormetoder.

Enligt Ahmed är fördelen med att kombinera modulära system i en nanoskaleenhet att AI-system och maskinlärningsalgoritmer kan användas i mindre enheter. Som exempel förklarade Ahmed att forskare kunde miniaturisera den teknik de utvecklat för att förbättra artificiella retiner och förbättra noggrannheten hos bioniska ögon.

“Vår prototyp är ett betydande steg mot det ultimata inom elektronik: en hjärna-på-en-chip som kan lära sig från sin omgivning precis som vi gör”, sa Ahmed.

Prototypchippet har utformats med lätt integration med andra tekniker och befintliga elektronik i åtanke.

Blogger och programmerare med specialområden inom Machine Learning och Deep Learning ämnen. Daniel hoppas på att hjälpa andra att använda kraften från AI för socialt väl.