Аннотация:
Важный прогресс в исследованиях был достигнут в последнее время на стыке нейробиологии и компьютерных технологий. Последнее открытие международной совместной научно-исследовательской группы успешно выявило эффективный механизм взаимодействия нейронных сетей человеческого мозга при обработке сложной информации и извлечении памяти. Это достижение обеспечивает новую теоретическую поддержку и технические пути для преодоления узкого места в энергоэффективности традиционной вычислительной архитектуры и создания «мозгоподобного компьютера» следующего поколения (нейроморфные вычисления), который ближе к тому, как работает человеческий мозг.
В традиционной компьютерной архитектуре фон Неймана вычислительный блок и блок хранения разделены. Частая передача данных между ними не только образует так называемую «стену производительности», но и потребляет огромное количество энергии. Напротив, человеческий мозг может легко выполнять высокоинтенсивное распознавание образов, логические рассуждения и автономное обучение, потребляя при этом лишь чрезвычайно низкое энергопотребление. Понимание и воспроизведение чрезвычайно эффективной динамической передачи сигналов и механизмов параллельной обработки между синапсами и нейронами в нейронных сетях человеческого мозга всегда рассматривалось научным сообществом как ключ к преодолению нынешнего верхнего предела вычислительной мощности искусственного интеллекта и кризиса энергопотребления.
Объединив технологию нейровизуализации высокого разрешения с нелинейным динамическим моделированием, исследовательская группа провела углубленный анализ нелинейных реакций и изменений синаптической пластичности биологических нейронов при воздействии динамического ввода информации. Исследования показали, что человеческий мозг не полагается на единые огромные централизованные вычисления, а осуществляет сжатие информации с высокой плотностью и быстрый поиск посредством «синхронизации времени» и «разреженного кодирования» между конкретными кластерами нейронов. Этот механизм позволяет биологическому мозгу точно выполнять сложные когнитивные задачи, активируя лишь очень небольшую часть нейронов в среде с сильными шумовыми помехами.
На основе этих результатов исследователи создали новую архитектуру алгоритма, основанную на использовании мозга, и схему аппаратного моделирования. Экспериментальные данные показывают, что компьютерная модель, подобная мозгу, которая опирается на редкие характеристики активации и последовательной проводимости биологических нейронов, может повысить свою энергетическую эффективность на несколько порядков по сравнению с традиционными искусственными нейронными сетями при обработке распознавания изображений, анализе речевого потока и сложных задачах прогнозирования. В то же время он продемонстрировал высокую надежность перед лицом неизвестных помех в данных.
Отраслевые эксперты отметили, что это исследование устраняет разрыв между фундаментальной нейробиологией и практикой разработки аппаратного обеспечения. Поскольку спрос на вычислительную мощность и энергию искусственного интеллекта растет в геометрической прогрессии, преобразование последних открытий в области биологии в проектирование архитектуры физических чипов полностью изменит промышленный ландшафт периферийных вычислений следующего поколения, автономных роботов и маломощного оборудования искусственного интеллекта, а также будет способствовать скачку в вычислительных технологиях к интеллекту, который действительно обладает человеческими когнитивными характеристиками.
Комментарии