当人脑学习新事物时，它会适应。但是当人工智能学习新事物时，它往往会忘记它已经学到的信息。随着公司使用越来越多的数据来改进人工智能识别图像、学习语言和执行其他复杂任务的方式，本周发表在《科学》杂志上的一篇论文展示了一种计算机芯片可以像大脑一样动态地重新连接自身以接收新数据的方式，帮助人工智能随着时间的推移不断学习。
普渡大学材料工程学院教授ShriramRamanathan说：“生物的大脑可以在其一生中不断学习。我们现在创建了一个人工平台，供机器在其一生中学习。”他专门研究材料如何模仿大脑来提高计算能力。
与不断在神经元之间形成新连接以实现学习的大脑不同，计算机芯片上的电路不会改变。机器多年来一直使用的电路与最初为工厂中的机器制造的电路没有任何不同。
这是使AI更便携的问题，例如自动驾驶汽车或太空中的机器人，它们必须在孤立的环境中自行做出决定。如果AI可以直接嵌入到硬件中，而不是像AI通常那样在软件上运行，那么这些机器将能够更有效地运行。
在这项研究中，Ramanathan和他的团队构建了一种新的硬件，可以通过电脉冲按需重新编程。Ramanathan认为，这种适应性将使设备能够承担构建类脑计算机所需的所有功能。
“如果我们想制造一台受大脑启发的计算机或机器，那么相应地，我们希望能够不断地对芯片进行编程、重新编程和更改，”Ramanathan说。
以芯片形式构建大脑
硬件是一个小的矩形装置，由一种叫做钙钛矿镍酸盐的材料制成，这种材料对氢非常敏感。施加不同电压的电脉冲使该设备可以在几纳秒内改变氢离子的浓度，从而产生研究人员发现的状态，这些状态可以映射到大脑中的相应功能。
例如，当设备的中心附近有更多的氢时，它可以充当神经元，即单个神经细胞。由于该位置的氢气较少，该设备可用作突触，即神经元之间的连接，这是大脑用来在复杂的神经回路中存储记忆的东西。
通过对实验数据的模拟，Purdue团队在圣克拉拉大学和波特兰州立大学的合作者表明，该设备的内部物理特性为人工神经网络创造了一个动态结构，与静态相比，它能够更有效地识别心电图模式和数字网络。这个神经网络使用“水库计算”，它解释了大脑的不同部分如何交流和传递信息。
宾夕法尼亚州立大学的研究人员还在这项研究中证明，随着新问题的出现，动态网络可以“挑选”哪些电路最适合解决这些问题。
由于该团队能够使用标准的半导体兼容制造技术制造该设备并在室温下操作该设备，Ramanathan认为该技术可以很容易地被半导体行业采用。
“我们证明了这种设备非常强大，”普渡大学博士迈克尔帕克说。材料工程专业的学生。“在对设备进行超过一百万次循环后，所有功能的重新配置都具有显着的可重复性。”
研究人员正在努力在大型测试芯片上展示这些概念，这些芯片将用于构建受大脑启发的计算机。
普渡大学的实验是在普渡大学探索公园的FLEX实验室和Birck纳米技术中心进行的。该团队在阿贡国家实验室、伊利诺伊大学、布鲁克海文国家实验室和乔治亚大学的合作者对该设备的性能进行了测量。
标签：
免责声明：本文由用户上传，如有侵权请联系删除！