Công Nghệ Phần Cứng Trí Tuệ Nhân Tạo Imitating Changes in Neural Network Topology

Một nhóm các nhà nghiên cứu tại Viện Khoa học và Công nghệ Tiên tiến Hàn Quốc (KAIST) đã đề xuất một hệ thống mới được lấy cảm hứng từ sự điều chỉnh của não, được gọi là “hệ thống stashing”. Hệ thống mới này yêu cầu ít năng lượng tiêu thụ hơn.

Đội ngũ nghiên cứu được dẫn dắt bởi Giáo sư Kyung Min Kim từ Bộ môn Khoa học và Kỹ thuật Vật liệu. Nghiên cứu này đã được công bố trên Advanced Functional Materials và được hỗ trợ bởi KAIST, Quỹ Nghiên cứu Quốc gia Hàn Quốc, Trung tâm NanoFab Quốc gia và SK Hynix.

Imitating Neural Network Topology

Các nhà nghiên cứu đã phát triển một công nghệ có thể xử lý hiệu quả các hoạt động toán học cho trí tuệ nhân tạo bằng cách bắt chước sự thay đổi trong cấu trúc mạng nơ-ron tùy thuộc vào tình huống. Điều này được lấy cảm hứng từ não bộ con người, có thể thay đổi cấu trúc nơ-ron của nó trong thời gian thực, cho phép nó học, lưu trữ hoặc nhớ lại ký ức khi cần. (NRC )

Loại phương pháp học tập trí tuệ nhân tạo mới này thực hiện trực tiếp các cấu hình mạch điều khiển nơ-ron.

Để thực hiện hiệu quả trí tuệ nhân tạo trong các thiết bị điện tử, việc phát triển phần cứng tùy chỉnh là rất quan trọng. Tuy nhiên, hầu hết các thiết bị điện tử được tạo ra cho trí tuệ nhân tạo yêu cầu tiêu thụ năng lượng cao. Nếu chúng phải thực hiện các nhiệm vụ lớn, chúng cũng cần các mảng bộ nhớ tích hợp cao. Những hạn chế về tiêu thụ và tích hợp này đã chứng minh là khó vượt qua, vì vậy các nhà nghiên cứu đã bắt đầu tìm hiểu sâu hơn về não bộ con người để biết cách nó giải quyết vấn đề.

Công Nghệ Hiệu Quả Cao

Đội ngũ nghiên cứu đã chứng minh hiệu quả của công nghệ mới bằng cách tạo ra phần cứng mạng nơ-ron nhân tạo với một mảng synap tự chỉnh và thuật toán được gọi là “hệ thống stashing”. Phần cứng này được phát triển để thực hiện học tập trí tuệ nhân tạo và nó đã có thể giảm 37% năng lượng trong hệ thống stashing mà không bị suy giảm độ chính xác.

“Trong nghiên cứu này, chúng tôi đã thực hiện phương pháp học tập của não bộ con người với chỉ một cấu trúc mạch đơn giản và thông qua điều này, chúng tôi đã có thể giảm năng lượng cần thiết xuống gần 40 phần trăm,” Giáo sư Kim cho biết.

Một trong những khía cạnh quan trọng của hệ thống stashing mới này bắt chước hoạt động của não bộ là nó tương thích với các thiết bị điện tử hiện có và phần cứng bán dẫn thương mại. Hệ thống này có thể đóng vai trò quan trọng trong việc thiết kế các chip bán dẫn thế hệ tiếp theo cho trí tuệ nhân tạo.