Hjernelignende computerchips kan afhjælpe bekymringer om privatlivets fred og drivhusemissioner

Et team ledet af professor Simon Brown ved University of Canterbury (UC) har udviklet computerchips med hjernelignende funktionalitet, der kunne reducere de globale CO2 -emissioner betydeligt fra computing.

Udgivet i denne uge i prestigefyldt fagfællebedømt tidsskrift Videnskab fremskridt , papiret viser, at signaler på chipsene er bemærkelsesværdigt som dem, der passerer gennem netværket af neuroner i hjernen. Dette er vigtigt for at bygge nye slags computere, fordi hjernen er utrolig god til at behandle information ved hjælp af meget små mængder energi. Hjernelignende computing kan muliggøre "edge computing" og imødekomme computernes stadigt stigende energiforbrug. Det ville også reducere mængden af ​​data, der deles med virksomheder som Google og Facebook, betydeligt og reducere globale kulstofemissioner fra computing.

Chipperne er baseret på selvorganisering af nanopartikler-udnytter fysiske principper på ufatteligt små skalaer, hundrede tusinde gange mindre end tykkelsen af ​​et menneskehår, at lave hjernelignende netværk.

Komponenterne i denne nye chip er på atomniveau og er så små, at de ikke kan ses med det blotte øje eller konventionelle mikroskoper, og kan kun ses i elektronmikroskoper.

"Undersøgelsen viser, at denne type chip virkelig efterligner hjernens signaladfærd. Vi var overraskede over, i hvilket omfang laviner eller kaskader af spændingsimpulser på vores chips replikerer lavinerne af 'aktionspotentialer', der observeres i hjerne. Dette er de signaler, der sender instruktioner fra en 'neuron' til en anden, og så replikering af dem er et vigtigt skridt i retning af at kunne lave computerchips med hjernelignende funktionalitet, "Siger professor Brown.

"Disse chips kan give en anden slags kunstig intelligens. Ved at forstå de underliggende fundamentale fysiske processer, vi tror på, at vi kan designe disse chips og kontrollere deres adfærd til at gøre ting som mønster eller billedgenkendelse, "siger han." Nøglen er, at behandling on-chip og med lavt strømforbrug åbner nye applikationer, der i øjeblikket ikke er mulige. "

Potentielle anvendelser af on-chip mønstergenkendelsesteknologi kan findes i nethindeskanninger på mobiltelefoner, robotik, autonome køretøjer og biomedicinsk udstyr. Teamet er bevidst om bekymringer om AI og arbejder sammen med samfundsforskere for at forstå etiske overvejelser i takt med forskningen. Det er muligt, at ved at lade mere databehandling finde sted på mobiltelefoner, teknologien kan omgå bekymringer om deling af data med store virksomheder som Facebook og Google.

Laviner og kritik i selvorganiserede nanoskala netværk er medforfatter af doktorander Josh Mallinson, Shota Shirai og Edoardo Galli, og postdoktorer Susant Acharya og Saurabh Bose. Forskningen viser, at chipsene er baseret på selvorganisering af nanopartikler-udnytter fysiske principper på ufatteligt små skalaer, hundrede tusinde gange mindre end tykkelsen af ​​et menneskehår, at lave hjernelignende netværk.