هوش مصنوعی جدید که از مغز انسان الهام‌ گرفته شده، مصرف انرژی را کاهش می‌دهد!

محققان چینی در تحقیقات خود به پیشرفتی دست یافتند که می‌تواند مسیر هوش مصنوعی (AI) را از طریق مدلی که از رفتار نورون‌های مغز انسان کپی می‌کند، تغییر دهد. مدل جدید هوش مصنوعی ایجاد شده توسط این تیم می‌تواند قدرت محاسباتی بالایی را بدون مصرف انرژی زیاد از طریق پردازنده‌های مبتنی بر سیلیکون به دست آورد.

بر اساس گزارش “ساوت چاینا مورنینگ پست”، برای ایجاد این مدل، دانشمندان سعی کرده‌اند شکاف بین عملکرد پیچیده مدل‌های هوش مصنوعی را با عملکرد پیچیده داخلی مغز انسان پر کنند. تغییری که یافته‌های این تیم می‌تواند به آن منجر شود، توسعه یک سیستم هوش مصنوعی است که به پردازنده‌ها یا تراشه‌های مبتنی بر سیلیکون متکی نیست.

نیاز به سیستم‌های هوش مصنوعی کم‌مصرف

با اینکه هوش مصنوعی کاربردهای زیادی دارد، رشد آن منجر به افزایش تقاضا برای انرژی نیز شده است. مدل‌های هوش مصنوعی مصرف‌کننده‌های بزرگی از انرژی هستند و با افزایش نقش هوش مصنوعی در همه زمینه‌ها، این نیاز همچنان افزایش می‌یابد.

در مقابل این طیف، مغز انسان قرار دارد که پیچیده‌تر از هر مدل هوش مصنوعی ساخته شده تا به امروز است و تنها به مقدار کمی از انرژی برای انجام وظایف خود نیاز دارد.

بنابراین، دانشمندان مؤسسه اتوماسیون در آکادمی علوم چین و دانشگاه پکن با هدف توسعه یک مدل هوش مصنوعی که بتواند کارهای بیشتری را با مصرف انرژی بسیار کمتر انجام دهد، گرد هم آمده‌اند.

عملکرد این مدل هوش مصنوعی بسیار ساده‌تر است و قصد دارد چندین مدل همه‌‌کاره را ارائه دهد که احتمالاً توانایی‌های شناختی بهتری خواهند داشت.

مدل جدید بر اساس عملکرد درونی مغز انسان

دانشمندان این پروژه از مدل جدید به عنوان “مدل پیچیدگی داخلی” یاد می‌کنند. این نام به این دلیل است که سعی دارد با استفاده از کسری از انرژی، نحوه‌ی انجام فعالیت‌های درونی مغز را برای تکمیل وظایف خود کپی‌برداری کند.

طبق گزارش “شین‌هوا”، آزمایش‌های انجام‌شده توسط این تیم تحقیقاتی، اثربخشی مدل پیچیدگی داخلی را در انجام وظایف متعدد ثابت کرده است.

آزمایش‌ها همچنین نشان داده‌اند که این مدل می‌تواند روش‌ها و پشتیبانی نظری جدیدی را برای ادغام ویژگی‌های دینامیکی علوم اعصاب در هوش مصنوعی و همچنین راه‌حل‌های عملی برای بهینه‌سازی و افزایش عملکرد مدل‌های هوش مصنوعی ارائه کند.

بر اساس این مقاله، محققان توانستند یک شبکه هوچکین-هاکسلی (HH) با مجموعه داخلی غنی بسازند تا ثابت کنند که عملکرد آن با شبکه‌های بزرگتر “نشتی ادغام و آتش” (LIF) برابری می‌کند.

این مطالعه اخیراً در مجله Nature Computational Science منتشر شده است.

منبع: Interestingengineering