
دکتر جوزف اس. فریدمن، دانشیار مهندسی برق و کامپیوتر، دانشگاه تگزاس در دالاس (UT Dallas) - عکس: UT Dallas
طبق گزارش EurekAlert! در تاریخ 30 اکتبر، دانشمندان دانشگاه تگزاس در دالاس (UT Dallas، ایالات متحده آمریکا) نمونه اولیه یک «کامپیوتر شبیهسازی مغز» را توسعه دادهاند که قادر به یادگیری و پیشبینی الگوها با آموزش و انرژی کمتری نسبت به سیستمهای هوش مصنوعی معمولی است.
این یک گام بزرگ رو به جلو در زمینه محاسبات عصبی است - فناوریای که از نحوه پردازش و ذخیره اطلاعات توسط مغز انسان الهام گرفته شده است.
این کار، به رهبری دکتر جوزف اس. فریدمن، با همکاری شرکتهای Everspin Technologies و Texas Instruments در مجله Nature Communications Engineering منتشر شد.
برخلاف رایانههای سنتی که حافظه و پردازش را از هم جدا میکنند، رایانههای نورومورفیک این دو عملکرد را در یک سیستم ترکیب میکنند و آنها را کارآمدتر و کممصرفتر میکنند.
این دستگاه بر اساس این اصل عمل میکند که «نورونهایی که با هم کار میکنند، قویتر به هم متصل میشوند» و مکانیسم تشکیل حافظه و یادگیری در مغز انسان را شبیهسازی میکند.
تمرکز اصلی این تیم بر استفاده از «اتصالات تونل مغناطیسی» (MTJs) - اجزای کوچک قابل تنظیم الکتریکی مانند سیناپسها - است که به دستگاه اجازه میدهد با تغییر اتصالات بین نورونهای مصنوعی، مشابه نحوه سازگاری مغز انسان هنگام یادگیری، «یاد بگیرد».
این پروژه مسیری امیدوارکننده برای جایگزینی مدلهای هوش مصنوعی پرمصرف فعلی در نظر گرفته میشود. این تحقیق از بنیاد ملی علوم ایالات متحده (NSF) و وزارت انرژی ایالات متحده، با بودجهای بالغ بر نزدیک به ۵۰۰۰۰۰ دلار آمریکا طی دو سال، برای گسترش آزمایش، بودجه دریافت کرده است.
منبع: https://tuoitre.vn/my-phat-trien-may-tinh-mo-phong-nao-nguoi-hoc-nhu-nguoi-that-it-ton-nang-luong-hon-ai-20251103085615027.htm






نظر (0)