Hvis bare A.I. havde en hjerne - ingeniører modellerer en kunstig synapse efter den menneskelige hjerne

Digital beregning har gjort næsten alle former for analog beregning forældede siden så langt tilbage som i 1950'erne. Imidlertid, der er en stor undtagelse, der konkurrerer med de mest avancerede digitale enheders regnekraft:den menneskelige hjerne.

Den menneskelige hjerne er et tæt netværk af neuroner. Hver neuron er forbundet med titusindvis af andre, og de bruger synapser til konstant at skyde information frem og tilbage. Med hver udveksling, hjernen modulerer disse forbindelser for at skabe effektive veje i direkte reaktion på det omgivende miljø. Digitale computere lever i en verden af ​​etter og nuller. De udfører opgaver sekventielt, følger hvert trin i deres algoritmer i en fast rækkefølge.

Et team af forskere fra Pitt's Swanson School of Engineering har udviklet en "kunstig synapse", der ikke behandler information som en digital computer, men snarere efterligner den analoge måde, den menneskelige hjerne udfører opgaver på. Anført af Feng Xiong, adjunkt i el- og computerteknik, forskerne offentliggjorde deres resultater i det seneste nummer af tidsskriftet Avancerede materialer (DOI:10.1002/adma.201802353). Hans Pitt-medforfattere omfatter Mohammad Sharbati (første forfatter), Yanhao Du, Jorge Torres, Nolan Ardolino, og Minhee Yun.

"Hjernens analoge natur og massive parallelitet er til dels grunden til, at mennesker kan udkonkurrere selv de mest kraftfulde computere, når det kommer til kognitive funktioner af højere orden såsom stemmegenkendelse eller mønstergenkendelse i komplekse og varierede datasæt, " forklarer Dr. Xiong.

Et spirende felt kaldet "neuromorphic computing" fokuserer på design af computerhardware inspireret af den menneskelige hjerne. Dr. Xiong og hans team byggede grafenbaserede kunstige synapser i en todimensionel bikage-konfiguration af carbonatomer. Grafens ledende egenskaber gjorde det muligt for forskerne at finjustere dens elektriske ledningsevne, som er styrken af ​​den synaptiske forbindelse eller den synaptiske vægt. Grafensynapsen demonstrerede fremragende energieffektivitet, ligesom biologiske synapser.

I den nylige genopblussen af ​​kunstig intelligens, computere kan allerede replikere hjernen på bestemte måder, men det tager omkring et dusin digitale enheder at efterligne en analog synapse. Den menneskelige hjerne har hundredvis af billioner af synapser til overførsel af information, så det er tilsyneladende umuligt at bygge en hjerne med digitale enheder, eller i det mindste, ikke skalerbar. Xiong Labs tilgang giver en mulig rute til hardwareimplementering af kunstige neurale netværk i stor skala.

Ifølge Dr. Xiong, kunstige neurale netværk baseret på den nuværende CMOS (komplementær metal-oxid semiconductor) teknologi vil altid have begrænset funktionalitet med hensyn til energieffektivitet, skalerbarhed, og pakningstæthed. "Det er virkelig vigtigt, at vi udvikler nye enhedskoncepter til synaptisk elektronik, der er analoge i naturen, energieffektiv, skalerbar, og velegnet til storskala integrationer, " siger han. "Vores grafensynapse ser ud til at markere alle boksene for disse krav indtil videre."

Med grafens iboende fleksibilitet og fremragende mekaniske egenskaber, disse grafen-baserede neurale netværk kan bruges i fleksibel og bærbar elektronik for at muliggøre beregning på "kanten af ​​internettet" - steder, hvor computerenheder såsom sensorer kommer i kontakt med den fysiske verden.

"Ved at styrke selv et rudimentært niveau af intelligens i bærbar elektronik og sensorer, vi kan spore vores helbred med smarte sensorer, yde forebyggende pleje og rettidig diagnostik, overvåge planters vækst og identificere mulige skadedyrsproblemer, og regulere og optimere fremstillingsprocessen - væsentligt forbedre den overordnede produktivitet og livskvalitet i vores samfund, " siger Dr. Xiong.

Udviklingen af ​​en kunstig hjerne, der fungerer som den analoge menneskelige hjerne, kræver stadig en række gennembrud. Forskere skal finde de rigtige konfigurationer for at optimere disse nye kunstige synapser. De bliver nødt til at gøre dem kompatible med en række andre enheder for at danne neurale netværk, og de bliver nødt til at sikre, at alle de kunstige synapser i et storstilet neuralt netværk opfører sig nøjagtigt på samme måde. På trods af udfordringerne, Dr. Xiong siger, at han er optimistisk med hensyn til den retning, de er på vej.

"Vi er ret begejstrede for dette fremskridt, da det potentielt kan føre til energieffektive, hardwareimplementering af neuromorfe computere, som i øjeblikket udføres i strømkrævende GPU-klynger. Den lave effekt af vores kunstige synapse og dens fleksible natur gør den til en passende kandidat til enhver form for A.I. enhed, som ville revolutionere vores liv, måske endda mere end den digitale revolution, vi har set i løbet af de sidste par årtier, "Dr. Xiong siger.