当人类的大脑学习一些新的东西,它适应。但是,当人工智能学习新的东西,它往往忘记已经学过的信息。
随着公司使用越来越多的数据来提高人工智能识别图像,如何学习语言和其他执行复杂的任务,研究发表在《科学本周动态显示方式,电脑芯片可以重建自己的新的数据像大脑一样,帮助我不断学习。
生物的大脑可以不断学习在他们的寿命。我们已经创建了一个人造的机器学习平台在整个寿命,”说Shriram拉马纳坦普渡大学的教授材料工程学院专门研究发现的材料如何模仿大脑提高计算。
不像大脑,不断形成新的神经元之间的连接,使学习、计算机芯片上的电路不改变。电路,机器已使用多年没有任何不同的电路,最初是为机器在工厂里制造的。
这是一个问题让AI更加便携,比如自主车辆或机器人在太空,在隔离的环境中自行做出决定。如果人工智能可以直接嵌入到硬件而不是通常运行在软件作为人工智能,这些机器能够更有效地运作。
在这项研究中,拉马纳坦和他的团队建立了一个新硬件,通过电脉冲可以根据需要重新编程。拉马纳坦认为,这种适应性允许设备进行所有必要的功能来构建一个brain-inspired电脑。
“如果我们想要建立一个电脑或机器上的灵感来源于大脑,然后相应地,我们要有能力持续计划,重组和改变芯片的拉马纳坦说。
对建立大脑芯片的形式
硬件是一个小矩形材料制成的设备称为钙钛矿nickelate,氢是非常敏感的。应用电脉冲在不同电压允许设备洗牌的氢离子浓度在几纳秒,创造指出,研究人员发现大脑中可以映射到相应的功能。
当设备有更多的氢在其中心附近,例如,它可以充当一个神经元,单个神经细胞。用更少的氢在这个位置,设备作为突触,大脑神经元之间的连接,使用存储内存中复杂的神经回路。
通过模拟实验数据,普渡大学的团队在圣克拉拉大学的合作者和波特兰州立大学表明这个设备创建一个动态的内部物理结构的人工神经网络能够更有效地识别心电图模式和数字相对于静态网络。这个神经网络使用的热源计算,解释了大脑的不同部位进行交流和传递信息。
宾夕法尼亚州立大学的研究人员还演示了在这项研究中,提出了新的问题,动态网络可以“选择”,电路是最适合解决这些问题。
自团队能够建立设备使用标准semiconductor-compatible制造技术和操作设备在室温下,拉马纳坦认为,这种技术很容易采用半导体行业。
我们证明了这个设备非常强劲,”迈克尔说公园,材料工程的普渡大学的博士生。的编程设备超过一百万周期后,重新配置所有功能明显是可再生的。
研究者正在努力证明这些概念在大规模测试芯片将用于建立一个brain-inspired电脑。
实验进行了普渡的FLEX实验室和Birck纳米技术中心普渡大学的发现公园。在阿贡国家实验室团队的合作者,伊利诺斯大学的布鲁克海文国家实验室和佐治亚大学进行的测量设备的属性。
这项研究是由美国能源部科学办公室,美国空军科学研究办公室和美国国家科学基金会。
