Kaist rozwija samozwańczy memristor dla chipsów AI

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.

Source: Kaist rozwija samozwańczy memristor dla chipsów AI