Korea Advanced Institute of Science and Technology (KAIST) ogłoszono w styczniu 2024 r. Rozwój samozwańczego memristora, komponentu zaprojektowanego do powtórzenia funkcji synaps w ludzkim mózgu. Według prezesa Kwang Hyunga Lee, nowe urządzenie może poprawić własne błędy i poprawić swoje wyniki w czasie, zajmując się wcześniejszymi wyzwaniami w systemach neuromorficznych. Badanie, opublikowane w czasopiśmie Elektronika naturyprzedstawia możliwości Memristora. Naukowcy informują, że układ może na przykład nauczyć się oddzielić ruchomy obraz od swojego tła podczas przetwarzania wideo i stopniowo zwiększać jego zdolność do wykonywania tego zadania. Postęp ten może pozwolić na wykonanie złożonych zadań AI na urządzeniach, a nie polegać na zdalnych serwerach chmur, co zwiększyłoby zarówno prywatność, jak i efektywność energetyczną. „Ten system jest jak inteligentna przestrzeń robocza, w której wszystko znajduje się w zasięgu ręki, zamiast iść tam iz powrotem między biurkami i szafkami z plików”, powiedział naukowcy Kaist Hakcheon Jeong i Seungjae Han w oświadczeniu prasowym. „Jest to podobne do sposobu, w jaki nasz mózg przetwarza informacje, w którym wszystko jest przetwarzane jednocześnie w jednym miejscu”. Memristor, termin pochodzący z „pamięci” i „rezystora”, jest uważany za element fundamentalny dla obliczeń neuromorficznych lub podobnych do mózgu. Koncepcja została po raz pierwszy teoretyczna w 1971 roku przez amerykańskiego inżyniera elektrycznego i informatykę Leona Chua. Zaproponował, aby czwarty fundamentalny element elektryczny musiał istnieć obok rezystora, kondensatora i cewki cewki. Chua wyobrażał sobie Memristor jako komponent pamięci nieulotnej, który jest w stanie przechowywać informacje, nawet po wyłączeniu. Chociaż teoria istniała przez dziesięciolecia, naukowcy nie odkryli eksperymentalnie memristorów dopiero w 2008 roku. Ten przełom wywołał globalne wysiłki naukowe w celu poprawy ich możliwości. Zdolność Memristora do wykonywania zarówno przechowywania danych, jak i obliczeń jednocześnie sprawia, że jest to skuteczna pozycja w sztucznej synapsie w sieci neuronowej AI, naśladując sposób funkcjonowania ludzkiego mózgu. Głównym celem tej dziedziny badań jest budowa komputerów, które mogą działać z wydajnością i siłą ludzkiego mózgu. Mózg może wykonywać szacunkowe miliardy miliardów (10^18) operacji matematycznych na sekundę przy użyciu zaledwie 20 watów mocy. Osiągnięcie tego poziomu hiper-wydajności jest kluczowym wymogiem rozwoju praktycznych neuromorficznych mózgu AI. W powiązanym rozwoju w tym roku Kaist stworzył również pierwszy układ nadwoza AI. Ten układ jest przeznaczony do obsługi ultra-wysokiej prędkości przy minimalnym zużyciu energii, dodatkowo naśladując wydajność mózgu. Te ulepszenia technologiczne są postrzegane jako przyrostowe kroki w kierunku stworzenia „mózgu na chipie”. Taka technologia może znacznie przyspieszyć sztuczną inteligencję i potencjalnie przyspieszyć postęp w kierunku osobliwości, teoretycznego przyszłości, w którym sztuczna inteligencja przewyższa ludzką inteligencję. Jednak artykuł zauważa, że „inteligencja” jest złożonym tematem. Zdolność AI do wykonywania pewnych obliczeń podobnych do ludzkiego mózgu nie oznacza, że może powtórzyć wszystkie różnorodne funkcje mózgu. Niektórzy naukowcy spekulują, że takie maszyny mogą ewoluować w „obce umysły”, posiadające konstrukcje neuronowe, które są inteligentne w sposób zasadniczo różny od poznania człowieka. W chwili obecnej ludzki mózg pozostaje standardem dla hiper wydajnego obliczeń. Poprzez ciągłe postępy z komponentami takimi jak Memristors, AI może ostatecznie zakwestionować to stanowisko.
