Команда инженеров из Университетского колледжа Лондона (UCL) разработала новый подход к созданию нейронных сетей на основе мемристоров, которые работают практически без ошибок. До сих пор считалось, что применение мемристоров и безошибочность вычислений при построении нейронных сетей несовместимы.

Переход систем на базе искусственного интеллекта с транзисторной аппаратной базы на мемристоры увеличит энергоэффективность ИИ в 1000 раз, а это приведет к быстрому появлению мощных нейроморфных чипов практически везде – от смартфонов до промышленных систем, сообщает Tech Xplore.

Команда из UCL придумала, как решить эту проблему и проведенное моделирование подтвердило, что оно верно. Решение оказалось на удивление простым. Ученые заставили мемристоры работать в нескольких подгруппах нейронных сетей и усреднили их вычисления. Таким образом, общая производительность несколько снизилась, но количество ошибок сократилось практически до нуля.

Кроме того, ученые протестировали подход на нескольких типах мемристоров и обнаружили, что точность возрастает при использовании любой модели, независимо от материала или технологии изготовления.

Открытый метод борьбы с ошибками может стать основой для развития искусственного интеллекта нового поколения.

Почему это важно

Появление мемристичных нейронных сетей или нейроморфных чипов с энергоэффективностью в 1000 и больше раз выше, чем в текущих транзисторных системах позволит эффективно обучать нейронные сети вообще без подключения к внешним ресурсам. Их внутренних ресурсов будет для этого достаточно. Очевидно, что эта возможность перевернет не одну индустрию.

И ресурс этот обеспечивает сама природа мемристоров – их еще называют "резисторы с памятью", потому что они помнят количество электрического заряда, который протекал через них даже после выключения. При этом мемристоры работают не только в двоичном коде, состоящем из нулей и единиц, но и на нескольких уровнях от нуля к единице одновременно.

Это означает, что каждый бит может вместить больше информации. А с учетом того, что оперативные данные обрабатываются и хранятся в одном месте, их нужно при проведении расчетов постоянно отправлять в память и получать от нее, все это на порядки увеличивает эффективность таких систем по сравнению с транзисторами.

Прогнозы

Авторы проекта утверждают, что на данном этапе их ИИ сравнялся с уже существующими нейросетями и выполняет задачи на том же уровне, но это только начало перспективной разработки. Ученые обещают построить первую функционирующую модель на основе мемристоров в течение трех лет.

Источник: techno.24tv.ua