经过伊莎贝尔罗宾逊，M.Sc ..2018年2月2
在1月26日发表在《科学进展》(Science Ad亚博老虎机网登录vances)杂志上的论文中，迈克尔·l·施耐德(Michael L. Schneider)和他的团队描述了他们的最新成就，这可能是让人工智能更人性化的关键。该团队创造了以大脑神经元为模型的超导计算芯片。这使得信息可以更快速、更有效地处理，可能是高级计算设备中有机机器学习软件的关键。
施耐德，一位物理学家美国国家标准与技术研究所(NIST)解释说，这种在神经形态计算中的这种巨大成就提高了某些计算任务的效率，如决策，尽管相信这一点“肯定有更好的方法来做这件事，因为大自然已经找到了更好的方法。”
图片信用：KTSDesign / Shutterstock
目前，人工智能软件(例如谷歌的自动语言和图像分类程序)也使用人工神经元。然而，由于传统硬件没有被设计来处理复杂的“类脑”算法，这些任务仍然不如人类的大脑效率高。
理论上，模拟人脑的硬件可以比传统的电子系统更有效地执行复杂的任务。这是由于系统处理信息的方式不同。在传统的系统中，晶体管被用来在规定的间隔和数量上处理信息(即0位或1位)。另一方面，神经形态系统在产生模拟人脑如何处理数据的电脉冲之前，可以保存和改变来自多个来源的信息。
NIST并不是唯一一个试图开发神经形态硬件的团队，但他们在模拟神经元的电极上实现了铌超导体，可能会解决晶体管之间突触间信息传输效率低下的问题。研究小组用磁性锰纳米团簇填充超导体之间的突触状结构，通过改变间隙中的磁场，这些磁性锰纳米团簇可以指向不同的方向。这允许系统根据电的水平和磁性的方向来编码信息，并允许在不占用额外空间的情况下获得卓越的计算能力。
该开发允许突触每秒升到10亿次，比其他神经晶体系统快得多，并且比人类神经元更快，同时仅使用一万千分之一的能量。除此之外，合成神经元可以在将9个来源中累积数据，然后将其转移到转移之前。
但是，发现仍然需要一些开发，然后可以在现实世界应用程序中使用。为了能够使用该技术进行复杂计算，需要数百万突触，并且尚不知道是否可以扩展技术能够执行此操作。此外，必须用液氦冷却突触，因为它们只能在极低的温度下运行。Schneider认为，装置的冷却需要较少的能量，而不是操作具有相等功率的传统电子系统。这意味着该技术可能更适合大型数据中心而不是小型设备，这也是由计算机工程师史蒂文博物伯举办的信念，他在英国曼彻斯特大学研究神经形态计算。
FUTBER还认为，这种技术的任何实际应用都是未来很长的路。他强调了“设备技术可能非常有趣，但我们尚未了解[生物学]突触的关键属性，以了解如何有效地使用它们。”
新计算设备进入商业市场可能需要10年或更长时间，因此，Furber认为应该开发一些不同的技术方法。随着神经科学家进一步深入了解人类大脑，神经形态计算领域的未来发展将会增加。
这个故事从自然界中重印，编辑变化由AZO网络进行。可以找到原始文章这里。
免责声明:本文仅代表作者以个人身份发表的观点，并不代表本网站所有者和运营商阿泽网络有限公司的观点。本免责声明构成条款和条件使用本网站。