โมเดลและแพลตฟอร์ม AI
เทคโนโลยีฮาร์ดแวร์ AI ที่เลียนแบบการเปลี่ยนแปลงของโครงข่ายประสาทเทียม
เพิ่ม Unite.AI ลงในแหล่งข้อมูลที่คุณต้องการบน Google
นักวิจัยจากสถาบันเทคโนโลยีเกาหลี (KAIST) ได้เสนอระบบใหม่ที่ได้รับแรงบันดาลใจจากกระบวนการปรับเปลี่ยนของสมอง ซึ่งเรียกว่า “ระบบเก็บข้อมูล” ระบบใหม่นี้ต้องการพลังงานที่ลดลง
ทีมนักวิจัยนำโดย Professor Kyung Min Kim จากภาควิชาวิทยาศาสตร์และวิศวกรรมวัสดุ การวิจัยนี้ได้รับการตีพิมพ์ใน Advanced Functional Materials และได้รับการสนับสนุนจาก KAIST, National Research (NRC ) Foundation of Korea, National NanoFab Center และ SK Hynix
เลียนแบบโครงข่ายประสาทเทียม
นักวิจัยได้พัฒนาเทคโนโลยีที่สามารถจัดการการดำเนินการทางคณิตศาสตร์สำหรับ AI ได้อย่างมีประสิทธิภาพโดยเลียนแบบการเปลี่ยนแปลงของโครงข่ายประสาทเทียมตามสถานการณ์ ซึ่งได้รับแรงบันดาลใจจากสมองของมนุษย์ที่สามารถเปลี่ยนโครงข่ายประสาทเทียมได้ในเวลาจริง ทำให้สามารถเรียนรู้และจดจำความทรงจำได้เมื่อจำเป็น
วิธีการเรียนรู้ AI ประเภทใหม่นี้ได้ใช้การกำหนดค่าวงจรประสาทเทียมโดยตรง
เพื่อให้สามารถนำ AI ไปใช้กับอุปกรณ์อิเล็กทรอนิกส์ได้อย่างมีประสิทธิภาพ การพัฒนาฮาร์ดแวร์ที่กำหนดเองจึงจำเป็นต้องได้รับการสนับสนุน อย่างไรก็ตาม อุปกรณ์อิเล็กทรอนิกส์ส่วนใหญ่ที่สร้างขึ้นสำหรับ AI ต้องการการบริโภคพลังงานสูง หากต้องการดำเนินงานขนาดใหญ่ ก็จำเป็นต้องมีหน่วยความจำที่มีการบูรณาการสูง การจำกัดด้านการบริโภคพลังงานและบูรณาการเหล่านี้ได้พิสูจน์แล้วว่าเป็นเรื่องที่ยากที่จะ克服 ดังนั้นนักวิจัยจึงเริ่มศึกษาสมองของมนุษย์เพื่อเข้าใจว่าสมองแก้ปัญหาได้อย่างไร
เทคโนโลยีที่มีประสิทธิภาพสูง
ทีมนักวิจัยได้แสดงให้เห็นถึงประสิทธิภาพของเทคโนโลยีใหม่นี้โดยการสร้างฮาร์ดแวร์ประสาทเทียมที่มีแอร์เรย์ไซนैपส์ที่สามารถตั้งเองได้และอัลกอริทึมที่เรียกว่า “ระบบเก็บข้อมูล” ฮาร์ดแวร์นี้ได้รับการพัฒนาขึ้นเพื่อใช้ในการเรียนรู้ AI และสามารถลดพลังงานได้ 37% ภายในระบบเก็บข้อมูลโดยไม่สูญเสียความแม่นยำ
“ในงานวิจัยนี้ เราได้ใช้วิธีการเรียนรู้ของสมองของมนุษย์โดยใช้การกำหนดค่าวงจรที่เรียบง่าย และด้วยวิธีนี้ เราสามารถลดพลังงานที่จำเป็นลงได้ประมาณ 40 เปอร์เซ็นต์” Professor Kim กล่าว
หนึ่งในประเด็นสำคัญของระบบเก็บข้อมูลใหม่นี้ที่เลียนแบบกิจกรรมของสมองคือความเข้ากันได้กับอุปกรณ์อิเล็กทรอนิกส์ที่มีอยู่และฮาร์ดแวร์เซมิคอนดักเตอร์ที่มีการค้าขาย ระบบนี้อาจมีบทบาทสำคัญในการออกแบบชิปเซมิคอนดักเตอร์สำหรับ AI รุ่นต่อไป
