Pondělí , 26. 02. 2024

Dorota

Neuromorfní výpočty by mohly vést k samoučícím se strojům

05. 09. 2023

05. 09. 2023

V posledních několika letech pracují výzkumné instituce na hledání nových konceptů, jak mohou počítače v budoucnu zpracovávat data. Jeden z těchto konceptů je známý jako neuromorfní výpočetní technika. Neuromorfní výpočetní modely mohou znít podobně jako umělé neuronové sítě, ale nemají s nimi mnoho společného. Ve srovnání s tradičními algoritmy umělé inteligence, které vyžadují trénování značného množství dat, než mohou být účinné, se neuromorfní výpočetní systémy mohou učit a přizpůsobovat za běhu. S explozivním růstem ve sféře strojového učení vědci z Německa vymysleli účinnou tréninkovou metodu pro neuromorfní počítače.

Samoučící se fyzický stroj

„Vyvinuli jsme koncept samoučícího se fyzického stroje,“ vysvětluje Florian Marquardt, vědec z Institutu Maxe Plancka pro vědu světla v Erlangenu v Německu. “Základní myšlenkou je provádět školení formou fyzického procesu, při kterém jsou parametry stroje optimalizovány samotným procesem.”

Stejně jako v případě trénování konvenčních umělých neuronových sítí je pro zlepšení fungování modelu vyžadována externí zpětná vazba. Samoučící se fyzický stroj, který tým výzkumníků navrhuje, však trénink výrazně zefektivňuje a šetří energii.

„Naše metoda funguje bez ohledu na to, který fyzikální proces v samoučícím se stroji probíhá, a ani nepotřebujeme znát přesný proces,“ vysvětluje Marquardt. “Proces však musí splňovat několik podmínek. A co je nejdůležitější, musí být reverzibilní, to znamená, že musí být schopen běžet vpřed nebo vzad s minimálními energetickými ztrátami.”

Založeno na neuromorfní architektuře

Neuromorfní architektura je opakem von Neumannovy architektury, na které je dnes založena většina našeho hardwaru. „A co víc, o von Neumannově architektuře, kterou v současnosti využívají elektronická zařízení, je známo, že je pro většinu aplikací ML vysoce neefektivní,“ poznamenávají vědci ve své studii.

Architektura von Neumanna odděluje paměť a výpočetní techniku, což znamená, že čipy přenášejí informace tam a zpět mezi CPU a pamětí. To zabere více času a energie. Neuromorfní architektura je odpovědí na to.

“Doufáme, že budeme moci představit první samoučící se fyzický stroj za tři roky,” řekl Marquardt. “Jsme proto přesvědčeni, že fyzické stroje, které se samoučí, mají velkou šanci být využity v dalším vývoji umělé inteligence.”

Zdroje článku:
sdílet
tisknout

Témata pro vás

Výběr článků

Není lepší věci pro zrychlení počítače nebo notebooku, než přechod z klasického plotnového disku na SSD. Ať už v podobě SATA SSD, nebo lépe NVME M.2. Nástrojů na migraci dat ze starého disku na nový zdarma je ale docela málo.
K myšlence otestovat TrekStor SurfTab twin 11.6 nás přivedly dvě skutečnosti, v poslední době jej lze na internetu zakoupit za velmi atraktivní cenu a uživatelské recenze tohoto notebooku německé značky vyznívají velmi rozporuplně. Proč ale, když za dané peníze nabízí vcelku atraktivní konfiguraci jako displej s vysokým rozlišením, osvědčený procesor Intel Atom x5 či dostatek USB portů? Kde je zakopán pes?
Jednou za čas mě přepadne touha hledat nejlepší příslušenství pro notebooky. Reproduktorů jsme již měli v redakci mraky, podobné množství akčních kamer či powerbank. Delší dobu mě mysl nutila uvažovat nad chladicími podložkami. Yenkee se neosvědčila zcela, podobně Trust GXT 220 (bez recenze), takže se vtírala myšlenka zkusit osvědčenou firmu, která má s chlazením bohaté zkušenosti, Cooler Master.
Jako má Renault svoji Dacii, podobně má Lamax značku BML (sdílí stejného majitele) - tedy produkt, který vždy bude o něco levnější za cenu kompromisů. U akčních kamer to dříve fungovalo, i když BML již dlouho nevyrukovalo s ničím novým. Proč by tomu mělo být jinak u reproduktorů? Říkám si. Rovnou kupuji nový reproduktor BML S6, nechce se mi totiž čekat. A lidi na srovnávači cen jej chválí...

Nepřehlédněte

Odebírat novinky

Přihlásit se

Jestě nemáte účet? Zaregistrujte se zde.

Nahlásit článek