Мозговой чип учится и исправляет свои ошибки
Группа исследователей из Корейского института передовых наук и технологий (KAIST) в Южной Корее разработала интегрированный чип на основе мемристора, который имитирует обработку информации в мозгу. Об этом пишет Интересная Инженерия.
Команда разработала нейроморфный чип нового поколения, который представляет собой сверхмаленький полупроводник, который учится и исправляет свои собственные ошибки.
Теперь чип готов к использованию в различных устройствах, таких как интеллектуальные камеры видеонаблюдения, которые мгновенно обнаруживают подозрительную активность, не полагаясь на облачные серверы, и медицинские устройства, которые анализируют данные о состоянии здоровья в режиме реального времени.
Этот самообучающийся чип демонстрирует свои возможности, достигая точности, сравнимой с идеальным компьютерным моделированием при обработке изображений в реальном времени. Ключевое достижение исследовательской группы — создание системы, которая не только надежна, но и практична, превосходя развитие отдельных компонентов мозга.
Центральным элементом является полупроводниковый прибор нового поколения, называемый мемристором. Его свойства переменного сопротивления имитируют роль синапсов в нейронных сетях, позволяя одновременно хранить и выполнять вычисления, подобно тому, как функционируют клетки нашего мозга.
Мемристор точно контролирует изменения сопротивления, создавая эффективную систему, устраняющую необходимость сложной самообучающейся компенсации. Это исследование важно, потому что оно показывает коммерческий потенциал нейроморфной системы следующего поколения для обучения и вывода в реальном времени.
Платформы на основе мемристоров могут обеспечить компактные и энергоэффективные периферийные вычислительные системы с искусственным интеллектом благодаря их способности выполнять параллельные вычисления в аналоговых доменах. Однако системы на основе мемристорных массивов сталкиваются с проблемами при реализации алгоритмов искусственного интеллекта машинного обучения в реальном времени из-за проблем с надежностью, плохой однородностью и долговечностью.
В настоящее время технология призвана изменить способ интеграции ИИ в повседневные устройства, позволяя решать задачи ИИ локально.
