Моделі та платформи ШІ
Технологія штучного інтелекту, яка імітує зміни в топології нейронної мережі
Додайте Unite.AI до бажаних джерел у Google
Група дослідників з Корейського інституту передових технологій (KAIST) запропонувала нову систему, натхненну нейромодуляцією мозку, яку називають “системою зберігання”. Ця нова система потребує менше енергоспоживання.
Команду очолював професор Кьон Мін Кім з кафедри матеріалознавства та інженерії. Дослідження було опубліковано в Advanced Functional Materials та підтримано KAIST, Національним дослідницьким фондом Кореї, Національним центром нанотехнологій та компанією SK Hynix.
Імітація топології нейронної мережі
Дослідники розробили технологію, яка може ефективно обробляти математичні операції для штучного інтелекту, імітуючи зміни в топології нейронної мережі залежно від ситуації. Це було натхненне людським мозком, який може змінювати свою нейронну топологію в реальному часі, дозволяючи йому вивчати, зберігати або відтворювати спогади при необхідності. (NRC )
Цей новий тип методу навчання штучного інтелекту безпосередньо реалізує конфігурації нейронних координатних схем.
Для ефективної реалізації штучного інтелекту в електронних пристроях важливо підтримувати розробку спеціалізованого апаратного забезпечення. Однак більшість електронних пристроїв, створених для штучного інтелекту, потребують високого енергоспоживання. Якщо вони мають виконувати великомасштабні завдання, їм також потрібні високоінтегровані масиви пам’яті. Ці обмеження щодо споживання та інтеграції виявилися важкими для подолання, тому дослідники почали глибше вивчати людський мозок, щоб дізнатися, як він розв’язує проблеми.
Дуже ефективна технологія
Команда продемонструвала ефективність нової технології, створивши штучну нейронну мережу з саморегулюючим синаптичним масивом та алгоритмом, який називають “системою зберігання”. Це апаратне забезпечення було розроблено для проведення навчання штучного інтелекту, і воно змогло зменшити енергоспоживання на 37% всередині системи зберігання без погіршення точності.
“У цьому дослідженні ми реалізували метод навчання людського мозку лише за допомогою простої схеми та завдяки цьому змогли зменшити енергію, необхідну майже на 40 відсотків”, — сказав професор Кім.
Одним із важливих аспектів цієї нової системи зберігання, яка імітує діяльність мозку, є те, що вона сумісна з існуючими електронними пристроями та комерційним напівпровідниковим апаратним забезпеченням. Система може відіграти велику роль у розробці напівпровідникових чипів наступного покоління для штучного інтелекту.
