Nowy tranzystor pracuje podobnie jak mózg

Naukowcy stworzyli układ, który nie tylko pracuje podobnie do neuronów, ale jest zdolny do rozumowania wyższego rzędu. Może przy tym działać w temperaturze pokojowej, pobiera niewiele energii i przechowuje informacje nawet po wyłączeniu.

Zespół z Northwestern University, Boston College i Massachusetts Institute of Technology (MIT), na łamach magazynu Nature, przedstawił mikrochip, który ma pozwolić na dużo lepsze działanie sztucznej inteligencji niż obecne rozwiązania.

Podobnie jak mózg, układ jednocześnie przetwarza informacje i je przechowuje. Działa w pokojowej temperaturze, pobiera niewiele energii i utrzymuje zapisane informacje nawet po odłączeniu od zasilania.

„Mózg ma fundamentalnie inną architekturę niż komputery cyfrowe” – zwraca uwagę współtwórca wynalazku, Mark C. Hersam z Northwestern University.

„W cyfrowej maszynie dane wędrują tam i z powrotem miedzy mikroprocesorem i pamięcią, co zużywa duże ilości energii, a w przypadku wielu równolegle zachodzących procesów tworzy wąskie gardło. Z drugiej strony, w mózgu przechowywanie i przetwarzanie informacji zachodzą w tym samym miejscu i są w pełni zintegrowane. Skutkuje to wydajnością większą o całe rzędy wielkości i lepszą wydajnością energetyczną. Nasz synaptyczny tranzystor w podobny sposób jednocześnie przechowuje i przetwarza dane” – wyjaśnia.

Czytaj też: Rok 2023 w gospodarce: IV kwartał - inflacja w ryzach

Najważniejsze jednak jest to, że nowy tranzystor potrafi wykonywać operacje wyższego rzędu niż tylko zwykłe sortowanie danych, jak to miało miejsce w poprzednich konstrukcjach.

Badacze zastosowali zasadę znaną z tzw. prążków moiré. Tak nazywają się wzory powstające przez nałożenie na siebie dwóch prążkowanych siatek obróconych o pewien kąt.

Tę zasadę naukowcy zrealizowali z użyciem podwójnej warstwy grafenowej oraz warstwy z azotku boru.

Przez obracanie warstw względem siebie, można uzyskać różne właściwości elektroniczne w warstwach grafenu. „Dzięki obracaniu, działającemu jako nowy parametr, liczba permutacji jest ogromna” – mówi prof. Hersam.

W ramach testów badacze nauczyli swój układ rozpoznawania podobnych, ale nieidentycznych ciągów danych. Najpierw pokazali urządzeniu cyfry 000, a potem zażądali zidentyfikowania wzorów podobnych (np. 111, 101).

„Po wytrenowaniu układu do wykrywania ciągu 000, a potem podaniu mu ciągów 111 i 101, układ wiedział, że 111 jest bardziej podobny do 000 niż 101” – wyjaśnia specjalista.

„Ciągi 000 i 111 nie są dokładnie takie same, ale oba składają się z trzech cyfr. Rozpoznanie tych podobieństw oznacza wyższą formę inteligencji niż zwykła nauka skojarzeniowa” – tłumaczy.

„Obecnie sztuczna inteligencja może łatwo popełniać błędy, co może powodować poważne problemy w niektórych sytuacjach. Wyobraźmy sobie, że korzystamy z pojazdu autonomicznego, a warunki pogodowe się pogarszają. Samochód może nie być w stanie zinterpretować bardziej skomplikowanych danych z czujników tak dobrze, jak zrobi to człowiek. Tymczasem, nawet gdy podaliśmy naszemu tranzystorowi niedoskonałe dane wejściowe, nadal potrafił znaleźć poprawną odpowiedź” – mówi prof. Hersam.

Czytaj też: Pierwsi ukraińscy piloci zakończyli szkolenie na F-16

PAP/kp