Экспериментальная вычислительная система, физически смоделированная по образцу биологического мозга, смогла с точностью в 93,4% распознать написанные от руки цифры. Ключевым нововведением эксперимента стал новый обучающий алгоритм, который в реальном времени передавал системе информацию об успехе её действий. Это позволило системе улучшить свою способность к обучению по мере выполнения задачи.
Алгоритм превзошел традиционный метод машинного обучения, при котором обучение происходит после обработки пакета данных, показав точность в 91,4%. Исследователи также выяснили, что память о прошлых данных, хранящаяся непосредственно в системе, улучшает процесс обучения. В отличие от других подходов, где память хранится в отдельных модулях, эта система интегрирует её в сам процессор.
Предпосылки
В течение 15 лет ученые Калифорнийского института наносистем (CNSI) разрабатывают платформу для вычислений, основанную на принципах работы мозга. Эта система состоит из сети нанопроводов, покрытых серебром, расположенных на матрице электродов. Система работает с импульсами электричества, а её провода настолько малы, что их диаметр измеряется в нанометрах.
“Маленькие серебряные мозги” сильно отличаются от современных компьютеров, в которых модули памяти и процессоры раздельны. Сеть нанопроводов меняет свою физическую конфигурацию в ответ на стимулы, что делает память распределённой по всей системе.
Где провода пересекаются, могут формироваться или разрушаться связи, аналогичные синапсам в биологическом мозге. Исследователи из Университета Сиднея разработали алгоритм, специально адаптированный для этой системы, который использует её способность обрабатывать данные динамически и параллельно.
Методика
Система состояла из материала, содержащего серебро и селен, который самостоятельно организовался в сеть запутанных нанопроводов на массиве из 16 электродов. Учёные использовали изображения написанных от руки цифр для тренировки и тестирования системы.
Изображения передавались системе построчно с помощью электрических импульсов, каждый из которых длился одну тысячную секунды.
Влияние
Ожидается, что такая нанопроводниковая сеть потребует гораздо меньше энергии, чем современные кремниевые системы искусственного интеллекта. Система также демонстрирует потенциал в обработке сложных данных, таких как изменения погоды или трафика, где современный ИИ нуждается в огромных объёмах данных и затрачивает значительные энергоресурсы.
Эта технология может применяться в робототехнике, автономной навигации, умных устройствах и здравоохранении. Нанопроводниковые сети могут дополнять существующие кремниевые системы, особенно в задачах, связанных с обработкой данных “на месте”, без обращения к удалённым серверам.
Авторы
Ведущими авторами исследования стали Джеймс Гимжевски, профессор химии из UCLA, Адам Стиг, научный сотрудник UCLA, Зденка Кунцич, профессор физики из Университета Сиднея, и Румин Чжу, аспирант Университета Сиднея.