Jauna datora mikroshēma atdarina mūsu deguna neiroshēmu, lai smaržotu

Nabil Imam ar Intel Loihi mikroshēmu. Intel

No visām lietām, ko mūsu smadzenes var darīt, veids, kā tas palīdz mums saost, ir viens no vislabāk saprotamajiem. Kad smaka nonāk mūsu deguna ožas šūnās, tās nosūta signālu attiecīgajai smadzeņu neironu grupai, kas pazīstama kā ožas spuldze. Pēc tam spuldze pārraida signālu uz citām smadzeņu daļām, ļaujot mums novērtēt greipfrūta smaržas vai izvairīties no atkritumu smakas.

Ožas spuldzes ir raksturīgas zīdītājiem, bet arī citiem dzīvniekiem, piemēram, kukaiņiem, ir līdzīgas nervu struktūras. Tas nozīmē, ka šajās implementācijās, iespējams, ir kaut kas diezgan fundamentāls un efektīvs, ja evolūcija ir nonākusi dažādos gadījumos, saka Maiks Deiviss, Intel Neuromorphic Computing Lab direktors.

Gan tāpēc, ka tās ir tik efektīvas, gan tāpēc, ka mēs tās tik labi saprotam, ožas sistēmas ir lielisks sākumpunkts neiromorfām mikroshēmām — jauna veida skaitļošanas aparatūrai, kas smeļas iedvesmu tieši no smadzeņu struktūras.

Pirmdien Intel zinātnieki publicēja papīrs dabā kas piedāvā jaunu neiromorfisku mikroshēmu dizainu, kas atdarina ožas spuldzes struktūru un iespējas. Pētnieki strādāja ar ožas neirofiziologiem, kuri pēta dzīvnieku smadzenes, kad tie smaržo. Viņi izstrādāja elektrisko ķēdi, kuras pamatā ir neironu ķēdes, kas aktivizējas, kad viņu smadzenes apstrādā smaku, ko varētu izgriezt uz silīcija mikroshēmas. Viņi arī izstrādāja algoritmu, kas atspoguļo elektrisko signālu uzvedību, kas pulsē caur ķēdi. Kad viņi apmācīja algoritmu mikroshēmā, izmantojot esošu datu kopu ar 10 smakām, ko raksturo to mērījumi no 72 dažādiem ķīmiskiem sensoriem, tas varēja precīzi atšķirt tās, izmantojot daudz mazāk apmācības paraugu nekā parastajā mikroshēmā.

Mikroshēma joprojām ir salīdzinoši agrīnas stadijas prototips, taču nobriedusi tā var kalpot vairākiem lietojumiem, piemēram, bumbas šņaukšanai vai kaitīgu izgarojumu noteikšanai ķīmiskajās rūpnīcās. Tas arī parāda neiromorfās skaitļošanas potenciālu datu efektīvākai AI.

Pašlaik vispopulārākās mikroshēmas, kas paredzētas vismodernāko padziļinātās apmācības algoritmu darbināšanai, atbilst fon Neumana arhitektūrai, kas ir dizaina konvencija, kas ir bijusi skaitļošanas revolūcija jau vairākus gadu desmitus. Taču šīs arhitektūras ir neefektīvi apmācāmie: algoritmiem, kas tajās darbojas, ir nepieciešams milzīgs apmācības datu apjoms, atšķirībā no mūsu daudz efektīvākajām smadzenēm. Tāpēc neiromorfās mikroshēmas cenšas pēc iespējas vairāk saglabāt smadzeņu struktūru. Ideja ir tāda, ka šāda cieša mīmika palielinās mikroshēmas mācīšanās efektivitāti. Patiešām, Intel veiksmīgi ieguva mikroshēmu, lai mācītos no ļoti dažiem paraugiem.

Virzoties uz priekšu, pētnieku grupa plāno uzlabot savas neiromorfās mikroshēmas dizainu un izmantot to citām smadzeņu funkcijām ārpus smaržas. Deiviss saka, ka komanda, visticamāk, pievērsīs uzmanību redzējumam vai nākamajam pieskārienam, taču tai ir ilgtermiņa ambīcijas, lai risinātu sarežģītākus procesus. Viņš saka, ka mūsu sensoru mehānismi ir dabiska vieta, kur sākt, jo tie ir labi saprotami. Bet savā ziņā mēs strādājam smadzenēs un nonākam līdz pat augstākas pakāpes domāšanas procesiem, kas notiek.

paslēpties