Искусственный мозг создали из серебряных нанопроводов
Каждая компания, даже косвенно связанная с технологиями, в настоящее время одержима генеративным искусственным интеллектом, что привело к созданию некоторых интересных, а иногда и полезных инструментов. Однако стоимость доступа к некоторым из этих услуг удивительно высока. Обучение и использование моделей ИИ обходятся очень дорого, но новые исследования Сиднейского и Калифорнийского университетов указывают на потенциально более дешевый путь. Исследователи создали крысиное гнездо из серебряных нанопроводов, которые могут оказаться гораздо более эффективным способом запуска нейронных сетей. Сегодняшние известные системы искусственного интеллекта, такие как ChatGPT, работают на наборах ускорителей искусственного интеллекта, по сути, на графических процессорах с огромным количеством видеопамяти и без видеовыходов. Аппаратное обеспечение чрезвычайно дорогое (вам повезет найти одну Nvidia H100 за 30 000 долларов), а мощность, обеспечивающая их работу, требует значительных постоянных затрат.
Нанотехнологический подход, разработанный исследователями, потенциально может оказаться гораздо более эффективным. Используя передовые нанотехнологии, команда создала сети из серебряных нанопроволок, каждая прядь которых составляет примерно одну тысячную ширины человеческого волоса. Провода расположены случайным образом, образуя сеть, в которой нити пересекаются и взаимодействуют, как синапсы в мозге. Это тип нейроморфных вычислений, что означает, что провода ведут себя как физическая нейронная сеть — это аппаратная сеть, а не программная. Согласно исследованию, опубликованному в журнале Nature Communications, нанопровода демонстрируют поведение, подобное мозгу, когда электрические сигналы проходят через сеть. Тысячи пересечений между проводами претерпевают изменения сигнала в ответ на электрические импульсы, и этот ответ происходит в реальном времени. Таким образом, команда утверждает, что сети нанопроводов идеально подходят для онлайн-машинного обучения.
При онлайн-обучении вам не нужно объединять данные в большие пакеты, поэтому ускорители искусственного интеллекта имеют десятки гигабайт оперативной памяти. Подача данных в виде непрерывного потока просто более эффективна. Даже на этом раннем этапе этот подход работает для некоторых основных видов деятельности в области машинного обучения. Команда преобразовала набор рукописных данных MNIST в электрические сигналы и в свою аппаратную сеть, которая смогла научиться распознавать написанные числа. Они также протестировали задачи по запоминанию чисел, и модель смогла это сделать. Пройдет некоторое время, прежде чем сети нанопроводов смогут конкурировать с мощными ускорителями искусственного интеллекта, но могут появиться приложения, которым не потребуется вся эта мощность. Команда считает, что о нейроморфных сетях еще многое предстоит узнать.
