Yapay zeka modelleri ve platformları
Yapay Zeka Donanımı Nöral Ağ Topolojisi Değişikliklerini Taklit Ediyor
Unite.AI sitesini Google'daki tercih ettiğiniz kaynaklara ekleyin
Korea Advanced Institute of Science and Technology (KAIST) bünyesindeki bir grup araştırmacı, beynin nöromodülasyonundan esinlenen yeni bir sistem önerdi. Bu yeni önerilen sistem, daha az enerji tüketimi gerektiriyor.
Ekibe Malzeme Bilimi ve Mühendisliği Bölümü’nden Profesör Kyung Min Kim liderlik etti. Araştırma, Advanced Functional Materials dergisinde yayımlandı ve KAIST, Kore Milli Araştırma Vakfı, Ulusal NanoFab Merkezi ve SK Hynix tarafından destekleniyor.
Nöral Ağ Topolojisini Taklit Etme
Araştırmacılar, durumuna göre nöral ağın topolojisindeki değişikliklere benzeyen bir teknoloji geliştirdiler. Bu, yapay zeka için matematiksel işlemleri verimli bir şekilde işleyebilecek bir teknolojiydi. Bu teknoloji, insan beyninden esinlenmiştir. İnsan beyni, gerçek zamanlı olarak nöral topolojisini değiştirebiliyor ve bu sayede öğrenme, hafıza depolama veya geri çağırma işlemlerini gerçekleştirebiliyor. (NRC )
Bu yeni tür yapay zeka öğrenme yöntemi, doğrudan nöral koordinasyon devre yapılandırmalarını uyguluyor.
Yapay zekanın elektronik cihazlarda etkili bir şekilde uygulanması için, özelleştirilmiş donanım geliştirmesinin desteklenmesi önemlidir. Ancak, çoğu yapay zeka için tasarlanan elektronik cihazlar, yüksek güç tüketimi gerektirir. Büyük ölçekli görevleri gerçekleştirebilmeleri için de yüksek entegre bellek dizileri gerektirirler. Tüketim ve entegrasyon sınırlamaları, araştırmacıların beynin nasıl sorunları çözdüğünü anlamak için beynin içine daha derinlemesine bakmasına neden oldu.
Yüksek Verimlilikte Teknoloji
Araştırmacılar, yeni teknolojinin verimliliğini, yapay sinir ağı donanımı ve algoritmasıyla bir “stashing sistemi” oluşturarak gösterdiler. Bu donanım, yapay zeka öğrenimi için geliştirildi ve stashing sistemi içinde enerji tüketimini %37 oranında azaltabildi.
“Bu çalışmada, insan beyninin öğrenme yöntemini sadece basit bir devre bileşimiyle uyguladık ve bu sayede enerji ihtiyacını yaklaşık %40 oranında azaltmayı başardık” dedi Profesör Kim.
Bu yeni stashing sisteminin beynin aktivitesini taklit etmesinin önemli yönlerinden biri, mevcut elektronik cihazlarla ve ticari yarı iletken donanımlarıyla uyumlu olmasıdır. Sistem, yapay zeka için tasarlanan gelecek nesil yarı iletken çiplerinin tasarımında önemli bir rol oynayabilir.
