Исследователи предложили новую систему искусственного интеллекта, вдохновленную нейромодуляцией мозга, называемую «системой накопления», которая требует меньшего потребления энергии. Исследовательская группа под руководством профессора Кьюнг Мин Ким из Департамента материаловедения и инженерии разработала технологию, которая может эффективно обрабатывать математические операции для искусственного интеллекта, имитируя непрерывные изменения топологии нейронной сети в зависимости от ситуации. Человеческий мозг меняет свою нейронную топологию в режиме реального времени, учась сохранять или вызывать воспоминания по мере необходимости. Исследовательская группа представила новый метод обучения искусственного интеллекта, который напрямую реализует эти конфигурации нейронной схемы координации.

Исследования в области искусственного интеллекта становятся очень активными, и разработка электронных устройств и выпусков продуктов на основе искусственного интеллекта ускоряются, особенно в эпоху Четвертой промышленной революции. Для реализации искусственного интеллекта в электронных устройствах также необходимо поддерживать разработку аппаратного обеспечения на заказ. Однако большинство электронных устройств для искусственного интеллекта требуют высокого энергопотребления и высокоинтегрированных массивов памяти для крупномасштабных задач. Было сложно решить эти ограничения энергопотребления и интеграции, и были предприняты усилия, чтобы выяснить, как человеческий мозг решает проблемы.

Чтобы доказать эффективность разработанной технологии, исследовательская группа создала аппаратное обеспечение искусственной нейронной сети, оснащенное самовосстанавливающимся синаптическим массивом и алгоритмом, называемым «системой хранения», который был разработан для обучения искусственного интеллекта. В результате удалось снизить потребление энергии на 37% в системе тайника без какого-либо снижения точности. Этот результат доказывает, что имитация нейромодуляции у людей возможна.

Профессор Ким говорит, что «в этом исследовании мы внедрили метод обучения человеческого мозга только с простой композицией схемы, и благодаря этому мы смогли снизить необходимую энергию почти на 40%».

Эта система накопления, основанная на нейромодуляции, которая имитирует нейронную активность мозга, совместима с существующими электронными устройствами и промышленным полупроводниковым оборудованием. Ожидается, что он будет использоваться при разработке полупроводниковых чипов следующего поколения для искусственного интеллекта.

Это исследование было опубликовано в Advanced Functional Materials.