Hjernens hemmelighet for livslang læring kan nå komme som maskinvare for kunstig intelligens

Hjernens hemmelighet for livslang læring kan nå komme som maskinvare for kunstig intelligens WEST LAFAYETTE, Ind. — Når den menneskelige hjernen lærer noe nytt, tilpasser den seg. Men når kunstig intelligens lærer noe nytt, har den en tendens til å glemme informasjon den allerede har lært. - poolsuppliers

WEST LAFAYETTE, Ind. — Når den menneskelige hjernen lærer noe nytt, tilpasser den seg. Men når kunstig intelligens lærer noe nytt, har den en tendens til å glemme informasjon den allerede har lært.

Ettersom selskaper bruker mer og mer data for å forbedre hvordan AI gjenkjenner bilder, lærer språk og utfører andre komplekse oppgaver, viser en artikkel publisert i Science denne uken en måte databrikker dynamisk kan omkoble seg til å ta inn nye data slik hjernen gjør, hjelper AI til å fortsette å lære over tid.

“Hjernen til levende vesener kan kontinuerlig lære gjennom hele livet. Vi har nå skapt en kunstig plattform for maskiner å lære gjennom hele deres levetid,” sa Shriram Ramanathan, en professor ved Purdue Universitys School of Materials Engineering som spesialiserer seg på å oppdage hvordan materialer kan etterligne hjernen for å forbedre databehandling.

ramanathan-portraitShriram Ramanathan, en Purdue-professor i materialteknikk, undersøker måter å bygge kunstig intelligens direkte inn i maskinvare. (Purdue University foto/Rebecca McElhoe) Last ned bilde

I motsetning til hjernen, som stadig danner nye forbindelser mellom nevroner for å muliggjøre læring, endres ikke kretsene på en databrikke. En krets som en maskin har brukt i årevis er ikke annerledes enn kretsen som opprinnelig ble bygget for maskinen på en fabrikk.

Dette er et problem for å gjøre AI mer bærbar, for eksempel for autonome kjøretøy eller roboter i verdensrommet som må ta avgjørelser på egenhånd i isolerte miljøer. Hvis AI kunne bygges inn direkte i maskinvare i stedet for bare å kjøre på programvare slik AI vanligvis gjør, ville disse maskinene kunne operere mer effektivt.

See also  Vi må forberede leksene våre i kunstig intelligens

I denne studien bygde Ramanathan og teamet hans en ny maskinvare som kan omprogrammeres ved behov gjennom elektriske pulser. Ramanathan mener at denne tilpasningsevnen ville tillate enheten å ta på seg alle funksjonene som er nødvendige for å bygge en hjerneinspirert datamaskin.

“Hvis vi ønsker å bygge en datamaskin eller en maskin som er inspirert av hjernen, vil vi tilsvarende ha muligheten til å kontinuerlig programmere, omprogrammere og endre brikken,” sa Ramanathan.

ramanathan-studentsMichael Park (til venstre) og Qi Wang, Purdue Ph.D. studenter, teste og analysere en brikke designet for å etterligne læringsstrategiene til den menneskelige hjernen. (Purdue University foto/Rebecca McElhoe) Last ned bilde

Mot å bygge en hjerne i brikkeform

Maskinvaren er en liten, rektangulær enhet laget av et materiale som kalles perovskittnikkelat, som er svært følsomt for hydrogen. Ved å bruke elektriske pulser ved forskjellige spenninger kan enheten blande en konsentrasjon av hydrogenioner i løpet av nanosekunder, og skape tilstander som forskerne fant kunne kartlegges til tilsvarende funksjoner i hjernen.

Når enheten har mer hydrogen nær sentrum, for eksempel, kan den fungere som et nevron, en enkelt nervecelle. Med mindre hydrogen på det stedet, fungerer enheten som en synapse, en forbindelse mellom nevroner, som er det hjernen bruker til å lagre minne i komplekse nevrale kretsløp.

Gjennom simuleringer av de eksperimentelle dataene viste Purdue-teamets samarbeidspartnere ved Santa Clara University og Portland State University at den interne fysikken til denne enheten skaper en dynamisk struktur for et kunstig nevralt nettverk som er i stand til mer effektivt å gjenkjenne elektrokardiogrammønstre og sifre sammenlignet med statiske nettverk. Dette nevrale nettverket bruker “reservoardatabehandling”, som forklarer hvordan forskjellige deler av en hjerne kommuniserer og overfører informasjon.

See also  Mathématiciens pour établir de nouvelles connexions avec l'apprentissage automatique : savoir-faire

Forskere fra Pennsylvania State University viste også i denne studien at når nye problemer presenteres, kan et dynamisk nettverk “velge og velge” hvilke kretser som passer best for å løse disse problemene.

Siden teamet var i stand til å bygge enheten ved å bruke standard halvlederkompatible fabrikasjonsteknikker og betjene enheten ved romtemperatur, mener Ramanathan at denne teknikken lett kan tas i bruk av halvlederindustrien.

“Vi demonstrerte at denne enheten er veldig robust,” sa Michael Park, en Purdue Ph.D. student i materialteknikk. “Etter å ha programmert enheten over en million sykluser, er rekonfigureringen av alle funksjoner bemerkelsesverdig reproduserbar.”

Forskerne jobber med å demonstrere disse konseptene på storskala testbrikker som skal brukes til å bygge en hjerneinspirert datamaskin.

Eksperimenter på Purdue ble utført ved FLEX Lab og Birck Nanotechnology Center i Purdues Discovery Park . Teamets samarbeidspartnere ved Argonne National Laboratory, University of Illinois Chicago, Brookhaven National Laboratory og University of Georgia utførte målinger av enhetens egenskaper.

Forskningen ble støttet av US Department of Energy Office of Science, Air Force Office of Scientific Research og National Science Foundation.

Om Purdue University

Purdue University er en topp offentlig forskningsinstitusjon som utvikler praktiske løsninger på dagens tøffeste utfordringer. Purdue er rangert i hvert av de siste fire årene som et av de 10 mest innovative universitetene i USA av US News & World Report, og leverer verdensendrende forskning og oppdagelser utenom denne verden. Forpliktet til praktisk og online læring i den virkelige verden, tilbyr Purdue en transformativ utdanning til alle. Forpliktet til rimelighet og tilgjengelighet, har Purdue frosset undervisning og de fleste avgifter på 2012-13-nivåer, noe som gjør det mulig for flere studenter enn noen gang å oppgradere gjeldfrie. Se hvordan Purdue aldri stopper i den vedvarende jakten på det neste gigantiske spranget på https://purdue.edu/.

See also  कैंसर निदान और उपचार में आर्टिफिशियल इंटेलिजेंस और मशीन लर्निंग शो वादा

Forfatter, mediekontakt: Kayla Wiles, 765-494-2432, [email protected]

Kilde: Shriram Ramanathan, [email protected] 


ABSTRAKT

Rekonfigurerbar Perovskite Nikelate Electronics for Artificial Intelligence

Hai-Tian Zhang, Tae Joon Park, ANM Nafiul Islam, Dat SJ Tran, Sukriti Manna, Qi Wang, Sandip Mondal, Haoming Yu, Suvo Banik, Shaobo Cheng, Hua Zhou, Sampath Gamage, Sayantan Mahapatra, Yimei Zhu, Yohannes Abate, Nan Jiang, Subramanian KRS Sankaranarayanan, Abhronil Sengupta, Christof Teuscher og Shriram Ramanathan

DOI: 10.1126/science.abj7943

Rekonfigurerbare enheter tilbyr muligheten til å programmere elektroniske kretser på forespørsel. I dette arbeidet demonstrerte vi på forespørsel opprettelse av kunstige nevroner, synapser og minnekondensatorer i post-fabrikert perovskitt NdNiO 3enheter som enkelt kan rekonfigureres for et spesifikt formål ved hjelp av enkeltskudds elektriske pulser. Følsomheten til de elektroniske egenskapene til perovskittnikkelater for den lokale fordelingen av hydrogenioner muliggjorde disse resultatene. Med eksperimentelle data fra våre minnekondensatorer, viste simuleringsresultater av et reservoarberegningsrammeverk utmerket ytelse for oppgaver som siffergjenkjenning og klassifisering av hjerteslagaktivitet i elektrokardiogram. Ved å bruke våre rekonfigurerbare kunstige nevroner og synapser, overgikk simulerte dynamiske nettverk statiske nettverk for inkrementelle læringsscenarier. Evnen til å utforme byggesteinene til hjerneinspirerte datamaskiner etter behov åpner for nye retninger i adaptive nettverk.