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.”
