Искусственные нейроны в миллион раз быстрее человеческих
Создание искусственных нейронов более эффективно, чем человеческих. Эта идея не нова. Но исследователи из Массачусетского технологического института вывели его на совершенно новый уровень. Они утверждают, что создали искусственную нейронную сеть, которая может работать в сотни раз быстрее, чем человек.
Этот успех был достигнут с помощью «аналоговой» нейронной сети. Но каковы последствия создания искусственных нейронов? Чтобы понять это, нам нужно вернуться к понятию «нейронная сеть». Нейроны можно рассматривать как «основные рабочие единицы» мозга. Это специализированные клетки. Они передают информацию другим нейронам в соответствии со специализацией. В целом, они состоят из
- Дендритов, которые принимают нейронные сигналы;
- Намазу, клеточного тела, которое его декодирует;
- Аксонов, которые передают его.
Эти нейроны соединены друг с другом синапсами, которые соединяют аксон с приемником. Они общаются посредством электрических сигналов, называемых «способностью к действию». Это вызывает высвобождение нейротрансмиттеров. Нейротрансмиттеры — это «химические посланники», которые проходят через синапсы для передачи информации. Таким образом, существуют естественные нейронные сети.
Искусственные нейронные сети относятся к области, широко известной как «искусственный интеллект». На практике это системы, которые «изучают» большие объемы данных и извлекают логические связи для определенных целей. Эти методы обучения называются «искусственными нейронными сетями», потому что они вдохновлены функцией биологических нейронов.
На самом деле, передаваемые данные обычно циркулируют в искусственных «сетках» виртуальных нейронов. По сути, это точки в сети, соединенные между собой компьютерным кодом (так сказать, синапсы). Таким образом, эта сеть обучает данные и получает входящую информацию, излучая исходящую.
В обоих случаях существует феномен «обучения», связанный с обработкой данных. Под влиянием (биологического) мозга, синапсов, опыта и тренировок между нейронами, они усиливаются или ослабевают. В искусственных нейронных сетях принцип примерно такой же. Связи между точками сети взвешиваются в соответствии с результатами обработки больших объемов данных. Именно поэтому этот метод называется глубоким обучением.
Новинка, которую представляют ученые, — это нейронная сеть, которая выполняет эти вычисления очень быстро и с минимальными затратами энергии. По этой причине, как они объясняют, они использовали аналоговые, а не цифровые нейронные сети. Давайте теперь вернемся к разнице между аналоговым и цифровым.
Аналоговый и цифровой — это два разных процесса. Они используются для транспортировки и хранения данных. Например, аудио, изображение и видео. Аналоговые системы появились на заре электричества. Цифровые технологии, с другой стороны, появились благодаря компьютерам. В аналоговых системах основным принципом является воспроизведение сигналов в схожем формате.
Читайте также: Исследование показало, что человеческий мозг использует квантовые вычисления
Исследование ученых из Дублинского университета показывает, что мозг имеет много общего с квантовым компьютером. В частности, результаты исследования..
Аналоговое телевидение, например, работало по этому принципу. Изображение, подлежащее ретрансляции, преобразуется в электрические сигналы, называемые «видеосигналами», частота которых, то есть количество колебаний в секунду. Эти электрические сигналы ретранслируются с помощью электромагнитных волн и имеют ту же амплитуду, что и исходный сигнал. Таким образом, переданный сигнал является своего рода «воспроизведением» исходного сигнала.
В цифровой технологии записанный сигнал преобразуется в последовательность нулей и единиц, поэтому амплитуда уже не воспроизводится, а кодируется и декодируется при вращении. С переходом на цифровое телевидение все это изменилось.
Так, в цифровом формате вместо бесконечного числа аналоговых сигналов получаются сигналы с двумя амплитудами. До сих пор искусственные нейронные сети работали в основном на цифровой основе. Таким образом, сеть программируется с помощью алгоритма обучения, а вычисления производятся с помощью последовательности 0 и 1. Однако благодаря использованию аналоговых систем ученые из Массачусетского технологического института смогли создать нейронные сети, которые работают быстрее. эффективнее, чем люди. Точнее, в миллион раз быстрее.
Согласно пресс-релизу Массачусетского технологического института, вместо передачи данных в виде нулей и единиц, аналоговая система глубокого обучения обеспечивает автоматическое обучение для «увеличения или уменьшения электропроводности протонных резисторов». Проводимость определяется как способность проводить ток (обратное сопротивление). Проводимость контролируется движением протонов. Для увеличения проводимости больше протонов загоняется в резистивный канал. Для уменьшения проводимости протоны удаляются. Для этого используется электролит (подобный тому, что используется в батареях). Это блокирует протоны, но блокирует электроны.
Электрическое сопротивление — это физическое свойство материала, которое ограничивает прохождение тока в цепи. Поэтому компоненты с таким свойством используются для ограничения потока электронов в цепи. В данном случае это важный компонент, регулирующий движение протонов.
Высокая устойчивость к электрическим импульсам
Почему этот процесс позволяет нейронным сетям работать быстрее? «Прежде всего, вычисления происходят в памяти, поэтому большие объемы данных не пересылаются из памяти в процессор», — объясняет ученый. Аналоговые процессоры также выполняют операции параллельно. Даже если размер массива увеличивается, аналоговому процессору не требуется больше времени для выполнения новых операций, так как все вычисления производятся одновременно».
Таким образом, достигнутая скорость исчисляется в наносекундах. Это стало возможным благодаря тому, что ученые использовали специальный материал: неорганическое фосфорно-силикатное стекло (IPG), материал, подобный тому, который используется в пакетах для поглощения влаги. Этот материал является очень хорошим проводником. Это связано с тем, что он имеет множество нанометровых пор, через которые могут проходить протоны, и в то же время он может выдерживать высокие импульсные нагрузки. По мнению ученых, это качество очень важно. Очень важна прочность проводника. Это связано с тем, что такая прочность позволяет прикладывать более высокое напряжение и достигать более высоких скоростей.
Разница напряжения около 0,1 вольта ограничена стабильностью воды, поэтому потенциал биологических клеток увеличивается и уменьшается за несколько миллисекунд времени», — объясняет Джу Ли, профессор ядерных наук и инженерии и профессор материалов. Ведущий автор исследования, BattelleEnergy. and Technologies.» Чем сильнее электрическое поле, тем быстрее работает ионное устройство».
Ученые хотят переделать систему и сделать ее пригодной для массового производства. Они возлагают большие надежды на этот прорыв». [/citation needed]. Другими словами, это не самый быстрый автомобиль, а космический корабль», — добавляет Мурат Орен, ведущий автор и научный сотрудник MIT.
