Почему нейроморфная инженерия вызвала аналоговую революцию

МЕНЮ


Искусственный интеллект
Поиск
Регистрация на сайте
Помощь проекту

ТЕМЫ


Новости ИИРазработка ИИВнедрение ИИРабота разума и сознаниеМодель мозгаРобототехника, БПЛАТрансгуманизмОбработка текстаТеория эволюцииДополненная реальностьЖелезоКиберугрозыНаучный мирИТ индустрияРазработка ПОТеория информацииМатематикаЦифровая экономика

Авторизация



RSS


RSS новости


Может быть, мы не можем продолжать упаковывать транзисторы на подложки, как это показал Гордон Мур. Так как насчет того, чтобы заменить эти миллионы транзисторов компонентами, “вдохновленными истинной историей” мозга?

Слово " нейроморфизм "означает" принятие формы мозга"." Это не означает, насколько хорошо функционирует мозг или насколько умным должен быть его носитель. Скорее, это изучение механизма работы мозга: почему он запоминает информацию и с помощью чего? Сколько нейронов должно "выстрелить", прежде чем будет принято решение? Может ли патология быть обращена вспять? Мозг имеет множество функций, некоторые из которых нам не очень знакомы, но нейроморфное устройство может быть сделано для моделирования только одной.

Чтобы устройство или механизм были "искусственно разумными", им должны быть даны средства для выполнения задач, которые для человека потребовали бы интеллекта. Программа или алгоритм искусственного интеллекта может представить анализ или результат моделирования, который может показаться достаточно умным — по крайней мере, до тех пор, пока не появится более умный алгоритм. Нейроморфное устройство, с другой стороны, может функционировать в некотором аспекте таким образом, который механически аналогичен нашему пониманию некоторой части мозга (если, конечно, мы действительно понимаем мозг). Эта часть, возможно, является памятью, логикой, вычислением или оптимизацией метода. Не совсем точно сказать, что такое устройство квалифицируется как ИИ, потому что интеллект (реальный вид) требует, чтобы все эти функции работали в тандеме, в то время как нейроморфный механизм обычно имитирует только одну.

"Нейроморфная архитектура буквально состоит из нейронов и синапсов", - объяснила доктор Кэтрин Шуман, научный сотрудник Национальной лаборатории Ок-Риджа. - В аппаратном обеспечении они часто физически реализуются в виде нейронов и синапсов. И их много... и они работают в массовом порядке параллельно — все нейроны и синапсы потенциально работают вместе."

part-of-trees-and-undergrowth-by-van-gogh.jpg

Крупный план картины "деревья и подлесок" Винсента Ван Гога, 1887 год. Часть коллекции Музея Ван Гога в Амстердаме.

Слово " нейроморфизм "означает" принятие формы мозга"." Это не означает, насколько хорошо функционирует мозг или насколько умным должен быть его носитель. Скорее, это изучение механизма работы мозга: почему он запоминает информацию и с помощью чего? Сколько нейронов должно "выстрелить", прежде чем будет принято решение? Может ли патология быть обращена вспять? Мозг имеет множество функций, некоторые из которых нам не очень знакомы, но нейроморфное устройство может быть сделано для моделирования только одной.

Чтобы устройство или механизм были "искусственно разумными", им должны быть даны средства для выполнения задач, которые для человека потребовали бы интеллекта. Программа или алгоритм искусственного интеллекта может представить анализ или результат моделирования, который может показаться достаточно умным — по крайней мере, до тех пор, пока не появится более умный алгоритм. Нейроморфное устройство, с другой стороны, может функционировать в некотором аспекте таким образом, который механически аналогичен нашему пониманию некоторой части мозга (если, конечно, мы действительно понимаем мозг). Эта часть, возможно, является памятью, логикой, вычислением или оптимизацией метода. Не совсем точно сказать, что такое устройство квалифицируется как ИИ, потому что интеллект (реальный вид) требует, чтобы все эти функции работали в тандеме, в то время как нейроморфный механизм обычно имитирует только одну.

"Нейроморфная архитектура буквально состоит из нейронов и синапсов", - объяснила доктор Кэтрин Шуман, научный сотрудник Национальной лаборатории Ок-Риджа. - В аппаратном обеспечении они часто физически реализуются в виде нейронов и синапсов. И их много... и они работают в массовом порядке параллельно — все нейроны и синапсы потенциально работают вместе."

Символика против морфологии

Существует ряд типов и стилей искусственного интеллекта, но есть ключевое различие между отраслью программирования, которая ищет интересные решения актуальных проблем, и отраслью науки, стремящейся моделировать и моделировать функции человеческого мозга.

  • Нейроморфные вычисления, которые включают в себя производство и использование некоторых форм нейронных сетей, имеют дело с доказательством эффективности любой концепции того, как мозг выполняет свои функции — не только принятие решений, но и запоминание информации и даже вывод фактов.
  • Нейроморфная инженерия-это наука о создании новых архитектур для вычислительных устройств, моделируемых по аналогии с тем, как работает мозг. Многие из этих архитектур вовсе не цифровые, а скорее электромеханические. То есть они не являются архитектурами фон Неймана (произносится " NOY * man")

Существует критическое различие между нейронным оборудованием-архитектурой процессоров, предназначенных для запуска нейронных сетей, или способами вычислений, основанными на теории нейронов, — и нейроморфной инженерией. Это тот, который может показаться тонким на поверхности, но на самом деле настолько глубоким, что я переписал и переиздал эту статью, чтобы учесть его.

-Люди часто смешивают эти два понятия, но на самом деле они очень разные, - заметил доктор Шуман. "Нейроморфные компьютерные системы реализуют другой тип вычислений нейронных сетей: спайкинговые рекуррентные нейронные сети [SRNN]. И они могут быть пригодны для моделирования нейробиологии. Они черпают немного больше вдохновения из биологии, чем ваши нейронные аппаратные системы."

neural-net-02tkm11.jpg

Скотт Фултон III

Нейронные сети-это средство моделирования "обучения", символизирующее теорию обработки паттернов — как мозг сохраняет информацию и, таким образом, с одной точки зрения, "учится"." Этот символизм вытекает из теории познания, восходящей к рубежу 20-го века, и работы испанского нейробиолога и художника Сантьяго Рамона-и-Кахаля Нейронные сети не принимают физической формы; скорее, они используют алгебраические символы для представления соответствующих свойств нейронов по отношению к вычислению — в этом случае "вес", который, как показано выше, порождает память, облегчая движение электричества по" запоминаемым " путям. Все исследования" глубокого обучения " (DL) в той или иной степени основаны на символике нейронных сетей.

Но это не нейроморфизм, как указывает доктор Шуман, потому что он опирается на символы, а не на морфологию. Конечно, даже Джон фон Нейман, отец цифровых вычислений, утверждал, что был вдохновлен моделированием вычислительных процессов мозга (тогда мы знали о них еще меньше). Чарльз Бэббидж, который изобрел механический разностный двигатель, был так очарован мозгом, что пожертвовал половину своего мозга Британскому музею науки.

Вопрос, как и в любом произведении искусства, заключается в том, представляем ли мы наш предмет с реализмом или сюрреализмом. Нейроморфная наука выходит за рамки вопроса о том, может ли наше понимание рассуждений быть символизировано значениями, хранящимися в электронном виде цифровым компьютером. Он изучает, могут ли сами устройства быть построены с использованием механизмов — будь то твердотельные, аналоговые или смесь этих двух-которые функционируют так, как, по нашему мнению, может функционировать мозг. Некоторые архитектуры заходят так далеко, что моделируют воспринимаемую пластичность мозга (его способность изменять свою собственную форму в соответствии со своей функцией), предоставляя новые компоненты, основанные на потребностях задач, которые они в настоящее время выполняют.

Если долгосрочная цель нейроморфной инженерии на самом деле не заключается в создании мозга на чипе или выращивании мозга в банке инженеры могут очень счастливо остановиться на одном простом открытии: почему мозгу требуется так мало энергии для поддержания такого количества информации и проведения такого большого анализа. Возможно, вы уже заметили, что мы не все подключены к трансформаторам, прикрепленным к дизельным генераторам. Возможно, даже умеренно точная имитация мозговой активности может оказаться ненужной, если даже несколько диких предположений могут привести к механизму, который дает такого рода наблюдения, которые могут исходить только от интуиции, питаемой немногим больше, чем батареей фонаря.

Примеры проектов нейроморфной инженерии

В настоящее время проводится несколько научных и коммерческих экспериментов по созданию рабочих, воспроизводимых нейроморфных моделей, включая следующие:

Спинакер

spinnaker-at-univ-manchester.jpg

Спинакер (на фото выше)-это низкосортный суперкомпьютер, разработанный инженерами Немецкогоисследовательского центра J?lich Research Centre Institute of Neuroscience and Medicine совместно с британской группой передовых процессорных технологий Манчестерского университета. Одной из главных задач Спинакера было использование около 540 000 процессорных ядер Arm (было несколько цитат; эта цитата взята из самого проекта) для моделирования функций так называемых кортикальных микросхем - модели того, как нейроны в мозге млекопитающих жестко связаны. Спинакер в настоящее время проводит то, что считается самым крупным моделированием нейронной сети на сегодняшний день, вовлекая около 200 000 нейронов, соединенных примерно 1 000 000 пластиковыми синапсами. (Под "пластиком" в данном контексте мы подразумеваем приспособляемость, а не полимер.)

191128-andrew-rowley-spinnaker.jpg

"NN" в SpiNNaker пишется с большой буквы, чтобы подчеркнуть роль машины в тестировании Спайкинговой архитектуры нейронных сетей (SNN), которая особенно подходит для нейроморфных архитектур, поскольку она непосредственно извлекает выгоду из пластичности физических синапсов. Как объяснил научный сотрудник Манчестерского университета Эндрю Роули во время конференции в ноябре 2019 года, "идея состоит в том, чтобы сделать машину с миллионом ядер, с миллионом процессоров, подобных мобильным телефонам, и идея-по крайней мере первоначально-состояла в том, чтобы смоделировать около 1 процента человеческого мозга, или 10 мышей." Роули признал, что на данный момент они ограничатся одной мышью.

Мозговые масштабы

brainscales-3rd-hicann-dls-prototypeasic-png-1170x0-q85-subsampling-2-upscale.jpg

Проект "Человеческий Мозг"

Как и спинакер, BrainScaleS любит путать заглавные буквы, а также финансируется проектом Европейского Союза "человеческий мозг". Но в отличие от SpiNNaker, BrainScaleS-это долгосрочная попытка Гейдельберга, Германия, взять модели, которые SpiNNaker моделирует в цифровом виде с использованием ядер Arm, и развернуть их на физически смоделированной биомиметической платформе. В основе этой платформы лежат микросхемы, основанные на собственной интегральной схеме [схема приведена выше], классифицируемой как микросхема аналоговой нейронной сети с высоким количеством входных сигналов (HICANN).

brainscales-system.jpg

Проект "Человеческий Мозг"

Согласно документу, представленному Европейскому Союзу в мае 2020 года [PDF], при полной сборке [выше] модель BrainScaleS NM-PM-1 состоит из пяти 19-дюймовых стоек, поддерживающих в общей сложности 20 вафельных модулей (нейроморфный аналог "сервера") плюс источник питания и охладитель. Каждый модуль вафли включает 384 из этих процессоров HICANN, каждый из которых представляет собой 114 688 динамических синапсов для 512 нейронов. Нейроны обычно" помещаются " на пластины автоматически, хотя можно использовать доменный плагин для Python под названием morocco, чтобы указать размещение и конфигурацию нейронов вручную.

Intel Loihi

Intel экспериментирует с тем, что она описывает как нейроморфную архитектуру чипа, называемую Loihi (lo · EE · hee). До самого недавнего времени Intel неохотно делилась обширными подробностями большей части архитектуры Loihi, хотя теперь мы знаем, как сообщает Чарли Осборн из ZDNet, Loihi может быть произведена с использованием той же самой 14-нм литографии, которую Intel и другие используют сегодня для создания процессоров x86. По понятным и, возможно, предсказуемым причинам Intel разрабатывает Loihi, чтобы функционировать как своего рода устройство совместной обработки для систем x86.

intel-neuromorphic-system-3.jpg

Тим Герман из Intel Corp.

Впервые анонсированный в сентябре 2017 года и официально премьерный показанный в январе следующего года на выставке CES 2018, микрокод Loihi (его инструкции на уровне чипа) включает в себя инструкции, разработанные специально для обучения нейронной сети. Но как и в случае со спинакером, который проект "человеческий мозг" явно описывает как симуляцию нейроморфных процессов в отличие от реальной сделки (мозговых масштабов), дизайн Лойхи был назван "вдохновленным мозгом"-что может быть немного похоже на выражение "вдохновленный реальной историей" — именно потому, что эти инструкции микрокодированы, а не жестко связаны. Кластер из 64 чипов Loihi образует нейроморфный ускоритель, подобный модели, показанной выше. Этот ускоритель был доступен исследовательскому сообществу в июле 2019 года и может быть присоединен к стандартной материнской плате x86, как типичная плата ускорителя FPGA (только несколько больше).

IBM TrueNorth

IBM поддерживает проект Neuromorphic Devices and Architectures, который активно участвует в новых экспериментах в области аналоговых вычислений. В этом году, даже в условиях пандемии, компания активизировала свои усилия по разработке, по крайней мере, респектабельного симулятора нейроморфной активности, используя традиционное изготовление чипов.

В исследовательской статье , опубликованной в июньском выпуске журнала Nature за 2018год, команда IBM продемонстрировала, как ее энергонезависимая память фазовых переходов (PCM), которая опирается на кристаллическое или аморфное состояние сурьмы, ускоряет обратную связь или обратное распространение алгоритм, связанный с нейронными сетями. Эти исследователи в настоящее время работают над определением того, можно ли использовать PCM для моделирования синтетических синапсов, заменяя статические массивы на основе оперативной памяти, используемые в более ранних моделях TrueNorth и NeuroGrid. Как укажут инженеры, такие как спинакер и Лойхи, TrueNorth не столько физически нейроморфен, сколько имитирует нейроморфные принципы. IBM Research теперь правильно называет TrueNorth" вдохновленным мозгом " дизайном.

"Одним из наиболее привлекательных атрибутов этих нейронных сетей является их переносимость на маломощное нейроморфное оборудование,-говорится в заявке IBM neuromorphic на патент в сентябре 2018 года [PDF],-которое может быть развернуто в мобильных устройствах и собственных датчиках, которые могут работать при чрезвычайно низких требованиях к мощности в режиме реального времени. Нейроморфные вычисления демонстрируют беспрецедентную маломощную вычислительную подложку, которая может быть использована во многих приложениях."

Зачем экспериментировать с нейроморфными конструкциями?

Вы, возможно, заметили кое-что о человеческих существах: они стали довольно искусными только с мозгами, которые у них есть, без использования волоконно-оптических каналов связи с поставщиками облачных услуг. По какой-то причине мозг, очевидно, способен узнать больше, без грубых накладных расходов на двоичное хранилище. В идеальном мире нейросетевая система должна быть способна изучать только то, что приложение должно знать о содержимом видео, например, без необходимости хранить каждый кадр видео в высоком разрешении.

Вполне возможно, что нейроморфный компьютер будет построен на довольно сложном двигателе, но после массового производства он может стать удивительно простой машиной. Мы пока не можем выращивать мозги в банках (хотя, возможно, у нас есть веские причины ждать объявления). Но если у нас есть правдоподобная теория того , что составляет познание, мы можем синтезировать систему, которая подчиняется правилам этой теории, возможно, давая лучшие результаты, используя меньше энергии и требуя, возможно, на порядок меньше памяти.

Поскольку в 2012 году начались исследования по построению рабочих нейроморфных моделей, группа исследователей, включая Калифорнийский институт наносистем в Калифорнийском университете в Лос-Анджелесе, написала следующее [PDF]:

Хотя активность отдельных нейронов происходит на порядки медленнее (МС), чем тактовая частота современных микропроцессоров (НС), человеческий мозг может значительно превосходить КМОП-компьютеры в различных задачах, таких как распознавание изображений, особенно в извлечении семантического содержания из ограниченной или искаженной информации, когда изображения представлены с резко уменьшенным разрешением. Считается, что эти способности являются результатом как последовательных, так и параллельных взаимодействий в иерархии областей мозга в сложной рекуррентной сети, где связи между нейронами часто приводят к петлям обратной связи.

Самосинтез

По-настоящему нейроморфное устройство, объясняют его практикующие, должно включать компоненты, которые физически самособираются. В частности, они включали бы атомные переключатели, магнитные переходы которых изображали бы роль синапсов или связей между нейронами. Устройства, включающие эти коммутаторы, будут вести себя так, как если бы они были изначально спроектированы для выполнения задач, которые они выполняют, а не как компьютеры общего назначения, получающие инструкции от электронных программ.

Такое устройство не обязательно было бы поставлено перед приложениями искусственного интеллекта, чтобы иметь практическое применение. Представьте себе, например, набор роботов-контроллеров на заводе, чьи чипы могли бы перестраивать свои собственные переключатели всякий раз, когда они чувствовали изменения в сборках компонентов, которые роботы строят. Предполагается, что Интернет вещей решит проблему удаленных устройств, нуждающихся в новых инструкциях для эволюционировавших задач, но если бы эти устройства были нейроморфными по дизайну, они могли бы вообще не нуждаться в IoT.

Вот что отметили нейроморфные инженеры-недостаток в общем дизайне компьютерных микросхем, который мы редко рассматриваем: поскольку закон Мура вынуждал разработчиков микросхем втискивать больше транзисторов в схемы, число соединений между этими транзисторами умножалось снова и снова. С инженерной точки зрения эффективность всех проводов, используемых в этих соединениях, ухудшается с каждым поколением чипов. Давным-давно мы перестали быть в состоянии общаться со всеми логическими элементами на процессоре в течение одного такта.

Если бы конструкции микросхем были нейроморфными одно или два десятилетия назад, нам не нужно было бы удваивать число транзисторов на чипе каждые 12-18 месяцев, чтобы достичь прироста производительности, который мы наблюдали — который все равно становился все меньше и меньше. Если рассматривать каждое соединение как своего рода" виртуальный синапс", и если каждый синапс визуализируется атомарно (или, позаимствовав нейроморфный термин для его обозначения, электроионно), микросхемы могут адаптироваться, чтобы наилучшим образом обслуживать свои программы.

Могут ли нейроморфные машины имитировать сознание?

Некоторые из наиболее важных нейроморфных исследований начались в 2002 году, как ни странно, в ответ на предложение инженеров итальянской компании Fiat. Им нужна была система, способная реагировать на то, что водитель засыпает за рулем. Проф. Джеймс К. Гимзевский из Калифорнийского института наносистем Калифорнийского университета в Лос-Анджелесе (CNSI) ответили, исследуя, может ли атомный переключатель быть вызван состоянием памяти мозга водителя. Именно здесь Гимзевский начал свои поиски связи между нанотехнологией и неврологией — например, в измерении разности электрических потенциалов между сигналами, записанными кратковременной памятью мозга, и сигналами, записанными долговременной памятью.

Светит на эту связь с очень большой высоты профессор Калифорнийского университета в Беркли. Уолтер Фримен, который в последние годы размышлял о связи между плотностью ткани коры головного мозга и не менее чем самим сознанием — биологическим процессом, посредством которого организм может уверенно утверждать, что он жив и мыслит. Фримен называет эту толстую ткань внутри неокортекса, которая образует орган сознания, нейропилом, и хотя дизайн Гимевского имеет гораздо меньший масштаб, он не боится заимствовать эту концепцию для своего синтетического аналога.

Гимзевский впервые представил свои исследования на Бристольском Нанонаучном симпозиуме 2014 года. Там он показал фотографии сетки медных столбов в почти микронном масштабе, которые были обработаны раствором нитрата серебра. После воздействия газообразной серы атомы серебра образуют нанопроволоки от точки к точке на сетке-провода, которые ведут себя, по крайней мере, достаточно хорошо, как синапсы.

-Мы обнаружили это, когда изменили размеры медных столбов, - сказал проф. Гимзевский: "мы могли бы перейти... к более нанопроволочным структурам, и это было связано с тем, что мы можем избежать некоторых нестабильностей, которые происходят в большем масштабе. Таким образом, мы можем сделать эти очень хорошие нанопроволочные структуры. Здесь вы можете видеть, что у вас могут быть очень длинные и короткие. И используя этот процесс изготовления снизу вверх, используя Кремниевую технологию, [в отличие от] изготовления сверху вниз с использованием КМОП-процесса... затем мы можем генерировать эти структуры... Это идеально, и у каждого из них есть синтетический синапс."

Процесс изготовления команды CNSI способен, утверждает Гимзевский, депонировать 1 миллиард синаптических соединений на квадратный сантиметр. (В марте 2017 года Intel объявила, что ей удалось втиснуть, используя слово Гордона Мура, 100 миллионов транзисторов на один квадратный сантиметр процессорного штампа.)

Что делает нейроморфный чип более аналоговым?

Существует одна школа мышления, которая утверждает, что даже если последовательность цифр не является действительно случайной, до тех пор, пока устройство, делающее выводы на основе этих данных, не информировано, это все равно не будет иметь значения. Все нейросетевые модели, разработанные для детерминированных систем, работают в соответствии с этим предположением.

Контраргумент таков: когда нейронная сеть инициализируется, ее "веса" (детерминанты значений аксонов) должны быть рандомизированы. В той мере, в какой одна случайная модель может быть сходной или точной с другой, эта степень должна быть отнесена к предубеждению, и это предубеждение отрицательно отражается на любом конечном результате.

Почему реальная случайность имеет значение

Кроме того, электромеханические компоненты могут быть способны вводить недетерминированные элементы, которые не могут быть смоделированы в чисто цифровой среде, даже когда мы надеваем шоры. Исследователи из Университета Пердью экспериментируют с магнитными туннельными переходами (MTJ) - двумя ферромагнитными слоями, прослоенными барьером из оксида магния. Электрический ток может подтолкнуть магнитный заряд к прыжку через барьер между слоями. Такой скачок может быть аналогичен спайку.

MTJ демонстрирует поведение, напоминающее транзистор, дразня электроны через зазор. В этом случае MTJ обеспечивает разделение труда, где принимающий ферромагнитный слой играет роль аксона, а туннель между ними изображает синапс.

Результирующая связь является подлинно механической, где поведение зарядов может быть описано, как и реальные нейроны, с использованием вероятности. Таким образом, любые ошибки, возникающие в результате процесса вывода с использованием MTJs или подобных им компонентов, не будут приписываться предвзятости, с которой невозможно справиться из-за детерминизма, а вместо этого будут исправлены с должным усердием. Чтобы весь процесс был надежным, инициализированные значения, поддерживаемые нейронами, должны быть действительно рандомизированы.

Дело против нейроморфного

Вероятно, для компьютерных инженеров не должно быть шоком, что невролог или биотехник преуменьшает любую нейроморфную вычислительную модель, поскольку она далеко не имитирует реальную мозговую активность. Некоторые заходят так далеко, что говорят, что в той мере, в какой компоненты нейроморфной системы являются неполными, любая модель вычислений, которую она производит, совершенно фантастична или что-то еще, начинающееся с "f". возможно, она эффективна для идентификации буквы "F", но она не будет работать так, как работает ум.

Доктор Джерард Маркс, генеральный директор Иерусалимской исследовательской фирмы MX Biotech Ltd., полагает, что преобладающее представление о мозге как о некоем бесконечном тропическом лесу, где деревья нейронов качаются от синапсов на открытом ветру, - это полная чушь. Маркс указывает, что в любой такой модели отсутствует вещество, называемое внеклеточным матриксом (некм), которое не является студенистым нейтральным морем, а скорее активным агентом в процессе запоминания мозга.

Имея множество доказательств в свою пользу, Маркс постулирует, что память в биологическом мозге требует нейронов, nECM, плюс различные допанты, такие как нейромедиаторы (NT), высвобождаемые в nECM. Между этими тремя элементами происходят электрохимические процессы, химические реакции которых не только зафиксированы, но и воспринимаются как тесно связанные с эмоциями Физиологические эффекты, связанные с воспоминанием (например, повышенное кровяное давление, более тяжелое дыхание), вызывают психические эффекты (возбуждение, страх, беспокойство, радость), которые, в свою очередь, оказывают усиливающее воздействие на саму память. Пишет Маркс вместе со своим коллегой Хаимом Гилоном [PDF]:

Мы оказываемся в обратном положении мальчика, который кричал: "у императора нет одежды!", когда мы восклицаем: "нет" голых нейронов!" Они спеленуты в nECM, который является многофункциональным, поскольку он обеспечивает структурную поддержку и представляет собой гидрогель, через который диффундируют жидкости и мелкие молекулы. Он также выполняет роль "материала памяти", как это описано трехсторонним механизмом, который идентифицирует НТС как кодеры эмоций.

Это не значит, что нейроморфные вычисления не могут принести пользы. Но если теория состоит в том, что она принесет больше пользы, не принимая во внимание все остальные части мозга, то позиция Маркса заключается в том, что ее практикующие должны перестать притворяться нейрохирургами.

Создание нейроморфного устройства может дать нам информацию о том, как работает мозг, или, по крайней мере, выявить некоторые способы, которыми он не работает. Тем не менее, реальная цель таких усилий, по крайней мере сегодня, состоит в создании механизма, который может "учиться" на своих входных данных таким образом, что цифровой компонент компьютера может быть не в состоянии. Выигрышем может стать совершенно новый класс машин, способных быть "обученными" распознавать паттерны, используя гораздо меньше входных данных, чем потребляла бы цифровая нейронная сеть, потребляя значительно меньше энергии и, таким образом, потенциально разрушая нынешнюю зависимость ИИ от публичного облака.


Источник: www.zdnet.com

Комментарии: