
Dr. Joseph S. Friedman, førsteamanuensis i elektro- og datateknikk, University of Texas i Dallas (UT Dallas) - Foto: UT Dallas
Ifølge EurekAlert! den 30. oktober har forskere ved University of Texas i Dallas (UT Dallas, USA) utviklet en prototype av en «hjerne-simulerende datamaskin» som er i stand til å lære og forutsi mønstre med mindre trening og energi enn konvensjonelle AI-systemer.
Dette er et stort skritt fremover innen nevrodatabehandling – teknologi inspirert av måten den menneskelige hjernen behandler og lagrer informasjon på.
Arbeidet, ledet av Dr. Joseph S. Friedman, ble publisert i tidsskriftet Nature Communications Engineering, i samarbeid med Everspin Technologies og Texas Instruments.
I motsetning til tradisjonelle datamaskiner som skiller minne og prosessering, kombinerer nevromorfe datamaskiner disse to funksjonene i samme system, noe som gjør dem mer effektive og energibesparende.
Enheten fungerer ut fra prinsippet om at «nevroner som jobber sammen vil koble seg sterkere», og simulerer mekanismen for hukommelsesdannelse og læring i den menneskelige hjernen.
Teamets hovedfokus er å bruke «magnetiske tunnelforbindelser» (MTJ-er) – bittesmå elektrisk justerbare komponenter som synapser – som lar maskinen «lære» ved å endre forbindelsene mellom kunstige nevroner, på samme måte som den menneskelige hjernen tilpasser seg når den lærer.
Prosjektet regnes som en lovende retning for å erstatte dagens energikrevende AI-modeller. Forskningen mottok finansiering fra det amerikanske National Science Foundation (NSF) og det amerikanske energidepartementet, med et totalt budsjett på nesten 500 000 USD over to år for å utvide eksperimentet.
Kilde: https://tuoitre.vn/my-phat-trien-may-tinh-mo-phong-nao-nguoi-hoc-nhu-nguoi-that-it-ton-nang-luong-hon-ai-20251103085615027.htm






Kommentar (0)