Naukowcy pracują nad technologią sztucznej inteligencji, która wykorzystuje sprzęt, architekturę lub algorytmy inspirowane pracą mózgu. Tego typu neuromorficzna AI może być bardziej zwinna, efektywna i zdolna niż tradycyjna sztuczna inteligencja, donosi niezależna dziennikarka Kathryn Hulick w artykule „Sprawić, by AI myślała bardziej jak twój mózg”.
- Naukowcy opracowują neuromorficzną sztuczną inteligencję, inspirowaną pracą mózgu.
- Neuromorficzna AI może być bardziej zwinna i efektywna niż tradycyjna sztuczna inteligencja.
- Nowe technologie łączą pamięć i przetwarzanie, co zwiększa efektywność obliczeń.
- Tradycyjne komputery wymagają dużych zasobów dla pamięci i przetwarzania, co ilustruje przykład Apple IIe.
- Rozwój mózgu ludzkiego, z redukcją neuronów i połączeń, jest analogią do efektywności neuromorficznej AI.
Nowe podejście do AI
Hulick informuje, że tradycyjne komputery, które obecnie obsługują większość systemów AI, oddzielają pamięć od przetwarzania. W przeciwieństwie do tego, niektóre rozwijające się technologie neuromorficzne, takie jak sieci neuronowe z impulsami, łączą te dwa elementy. Taki model działania może znacząco zwiększyć efektywność obliczeń.
Osobiste doświadczenia z komputerami
Koncept ten przypomniał czytelnikowi Gary’emu Pokornemu o jego wczesnych doświadczeniach z komputerami. „Pierwszy komputer, którego używałem, to Apple IIe, w którym wkładałem jedną dyskietkę, aby załadować instrukcje do edytora tekstu, a potem wymieniałem ją na pustą, aby zapisać moją pracę” – napisał Pokorny. Taka analogia pomogła mu zrozumieć, dlaczego tradycyjna AI wymaga ogromnych zasobów zarówno dla pamięci, jak i przetwarzania.
Rozwój mózgu a AI
Praca ekspertów neuromorficznych wzbudziła zainteresowanie czytelniczki Lindy Ferrazzary. „Nie mogłam przestać myśleć o tym, jak rozwijają się ludzkie mózgi, z początkową nadmiarem neuronów i połączeń, które stopniowo są redukowane, gdy mózg staje się bardziej efektywny” – zauważyła Ferrazzara. Zastanawiała się, czy komputery kwantowe mogłyby zostać dostosowane do systemów neuromorficznych.
Komputery kwantowe a neuromorficzne
Komputery kwantowe wykonują potężne obliczenia, wykorzystując zasady kwantowe, takie jak superpozycja i splątanie. Daniela Rus, naukowiec komputerowy z MIT, stwierdziła: „Nie sądzę, aby można było bezpośrednio dostosować komputery kwantowe do komputerów neuromorficznych, ale być może będziemy mogli wykorzystać procesy neuromorficzne do kontrolowania komputerów kwantowych”.
Komplementarne obliczenia
Komputery kwantowe i neuromorficzne mogą być używane do wykonywania różnych, ale komplementarnych obliczeń, twierdzi naukowiec komputerowy Prasanna Date z Oak Ridge National Laboratory w Tennessee. „Na przykład komputery kwantowe mogłyby być używane do trenowania modeli sieci neuronowych z impulsami, które są następnie wdrażane na komputerze neuromorficznym do efektywnych energetycznie obliczeń uczenia maszynowego w czasie rzeczywistym” – podsumował Date.