Штучний синапс на чіпі здатен навчатися самостійно

Нейронні мережі глибокого навчання, натхненні мозком, стояли за багатьма найбільшими проривами в області штучного інтелекту, що відбулися за останні 10 років.

Але новий дослідницький проект Національного центру наукових досліджень (CNRS), Університету Бордо і норвезької інформаційно-технологічної компанії Evry може вивести ці прориви на новий рівень – завдяки створенню штучного синапсу на чіпі.

“Існує багато проривів від компаній-розробників програмного забезпечення, які використовують алгоритми, засновані на штучних нейронних мережах для розпізнавання образів, – розповів Digital Trends доктор Вінсент Гарсія, науковий співробітник CNRS, який працював над проектом. “Однак, оскільки ці алгоритми моделюються на стандартних процесорах, вони вимагають великої потужності. Розробка штучних нейронних мереж безпосередньо на чіпі зробить такого роду завдання доступними для всіх, і набагато більш енергоефективними”.

• Що таке power over Ethernet?
• Чіп M2 Max від Apple може вивести MacBook Pro на новий рівень продуктивності
• AR-окуляри матимуть спеціальний чіп Qualcomm у 2023 році

Синапси в мозку функціонують як зв’язки між нейронами. Навчання відбувається, коли ці зв’язки зміцнюються, і покращуються, коли синапси стимулюються. Нещодавно розроблені електронні пристрої (так звані “мемристори”) імітують поведінку цих синапсів за допомогою змінного опору, який залежить від історії електронних збуджень, які вони отримують.

“Тут ми використовуємо специфічний вид мемристорів, заснований на суто електронних ефектах, – продовжив Гарсія. “У цих пристроях активною частиною є сегнетоелектрична плівка, яка містить електричні диполі, що можуть перемикатися за допомогою електричного поля. Залежно від орієнтації цих диполів, опір вмикається або вимикається. Крім того, ми можемо керувати конфігураціями, в яких співіснують домени з диполями вгору або вниз, за допомогою проміжних імпульсів напруги. Це дає змогу отримати аналоговий пристрій з багатьма рівнями опору. У нашій роботі ми змогли зрозуміти, як еволюціонує опір мемристора при подачі імпульсів напруги, і зробити модель, засновану на динаміці сегнетоелектричних доменів”.

Результатом став масив з 45 таких мемристорів, які змогли навчитися виявляти прості закономірності без сторонньої допомоги; те, що в спільноті машинного навчання називається “безконтрольним навчанням”.

Тепер, коли команда здатна передбачити поведінку окремого електронного синапсу, наступною метою є розробка нейронних мереж на чіпі, який містить сотні таких фероелектричних мемристорів. Після того, як це буде зроблено, вони протестують її, підключивши нейронну мережу до камери, що базується на подіях, щоб спробувати виявити рухомі об’єкти на високій швидкості.

“Кінцевою метою цього проекту буде інтеграція цієї біологічно натхненної камери в автомобіль для допомоги водієві, коли несподівані об’єкти або люди перетинають дорогу”, – сказав Гарсія.

Якщо все піде за планом, то, можливо, незабаром нейронні мережі стануть стандартною частиною процесорів, які використовуються в наших смартфонах та інших мобільних пристроях.

Рекомендації редакції

• Майбутній процесор Intel для ноутбуків може знищити навіть найкращі настільні чіпи
• Ось що я дізнався після використання Quest Pro протягом одного місяця
• Майбутні чіпи можуть бути в 10 разів швидшими, і все завдяки графену
• Генератори зображень зі штучним інтелектом, схоже, поширюють гендерні та расові стереотипи
• Цей обчислювальний прорив щойно передав весь інтернет-трафік за 1 секунду

Source: digitaltrends.com