
Dr Joseph S. Friedman, profesor nadzwyczajny inżynierii elektrycznej i komputerowej, Uniwersytet Teksański w Dallas (UT Dallas) – Zdjęcie: UT Dallas
Jak donosi serwis EurekAlert! z 30 października, naukowcy z University of Texas w Dallas (UT Dallas, USA) opracowali prototyp „komputera symulującego mózg”, który jest w stanie uczyć się i przewidywać wzorce, wymagając przy tym mniej szkolenia i energii niż konwencjonalne systemy sztucznej inteligencji.
To wielki krok naprzód w dziedzinie neuroinformatyki – technologii inspirowanej sposobem, w jaki ludzki mózg przetwarza i przechowuje informacje.
Wyniki badań, kierowane przez dr. Josepha S. Friedmana, opublikowano w czasopiśmie Nature Communications Engineering we współpracy z Everspin Technologies i Texas Instruments.
W przeciwieństwie do tradycyjnych komputerów, w których pamięć i przetwarzanie są oddzielone, komputery neuromorficzne łączą te dwie funkcje w jednym systemie, co czyni je bardziej wydajnymi i energooszczędnymi.
Urządzenie działa na zasadzie, że „neurony, które współpracują, łączą się silniej”, symulując mechanizm powstawania pamięci i uczenia się w mózgu człowieka.
Głównym celem zespołu jest wykorzystanie „magnetycznych połączeń tunelowych” (MTJ) – maleńkich, regulowanych elektrycznie komponentów, takich jak synapsy – które pozwalają maszynie „uczyć się” poprzez zmianę połączeń między sztucznymi neuronami, podobnie jak ludzki mózg adaptuje się podczas uczenia.
Projekt jest uważany za obiecujący kierunek, jeśli chodzi o zastąpienie obecnych, energochłonnych modeli sztucznej inteligencji. Badania otrzymały dofinansowanie od amerykańskiej Narodowej Fundacji Nauki (NSF) oraz Departamentu Energii USA, a łączny budżet na rozszerzenie eksperymentu wyniósł prawie 500 000 dolarów na dwa lata.
Source: https://tuoitre.vn/my-phat-trien-may-tinh-mo-phong-nao-nguoi-hoc-nhu-nguoi-that-it-ton-nang-luong-hon-ai-20251103085615027.htm






Komentarz (0)