İçerik: Araştırmacılar Yapay Zekanın Sürekli Öğrenimini Geliştirdi
Araştırmacılar Yapay Zekanın Sürekli Öğrenimini Geliştirdi. Araştırmacılar, talep üzerine yeniden programlanabilen bir elektronik çipin yapay zekanın insan beyni gibi daha sürekli öğrenmesini sağlayabileceğini keşfetti.
İnsan beyni yeni bir şey öğrendiğinde uyum sağlar. Ancak yapay zeka yeni bir şey öğrendiğinde, daha önce öğrendiği bilgileri unutmaya meyillidir.
Şirketler, yapay zekanın görüntüleri nasıl tanıdığını, dilleri nasıl öğrendiğini ve diğer karmaşık görevleri nasıl yerine getirdiğini geliştirmek için giderek daha fazla veri kullandıkça, bu hafta Science dergisinde yayınlanan bir makale, bilgisayar çiplerinin beyin gibi yeni verileri almak için kendilerini dinamik olarak yeniden yapılandırabileceklerini gösteriyor. AI’nın zaman içinde öğrenmeye devam etmesine yardımcı oluyor.
“Canlıların beyinleri yaşamları boyunca sürekli olarak öğrenebilirler. Artık makinelerin yaşamları boyunca öğrenmeleri için yapay bir platform oluşturduk,” diyor Purdue Üniversitesi Malzeme Mühendisliği Okulu’nda, malzemelerin bilgisayarı geliştirmek için beyni nasıl taklit edebileceğini keşfetme konusunda uzmanlaşmış bir profesör olan Shriram Ramanathan.
Purdue malzeme mühendisliği profesörü Shriram Ramanathan, yapay zekayı doğrudan donanıma inşa etmenin yollarını araştırıyor. (Purdue Üniversitesi fotoğrafı/Rebecca McElhoe)
Öğrenmeyi sağlamak için nöronlar arasında sürekli yeni bağlantılar oluşturan beynin aksine, bir bilgisayar çipindeki devreler değişmez. Bir makinenin yıllardır kullandığı bir devre, bir fabrikada makine için orijinal olarak oluşturulmuş devreden farklı değildir.
Bu, yapay zekayı daha taşınabilir hale getirmek için bir sorundur, örneğin, izole ortamlarda kendi kararlarını vermesi gereken uzaydaki otonom araçlar veya robotlar gibi. AI, tipik olarak AI’nın yaptığı gibi yalnızca yazılım üzerinde çalışmak yerine doğrudan donanıma yerleştirilebilseydi, bu makineler daha verimli çalışabilirdi.
Bu çalışmada, Ramanathan ve ekibi, elektrik darbeleriyle talep üzerine yeniden programlanabilen yeni bir donanım parçası oluşturdu. Ramanathan, bu uyarlanabilirliğin, cihazın beyinden ilham alan bir bilgisayar oluşturmak için gerekli olan tüm işlevleri üstlenmesini sağlayacağına inanıyor.
Ramanathan, “Beynden ilham alan bir bilgisayar veya makine yapmak istiyorsak, buna bağlı olarak sürekli olarak programlama, yeniden programlama ve çipi değiştirme yeteneğine sahip olmak istiyoruz” dedi.
Donanım, hidrojene karşı çok hassas olan perovskite nikelat adı verilen bir malzemeden yapılmış küçük, dikdörtgen bir cihazdır. Farklı voltajlarda elektrik darbeleri uygulamak, cihazın bir nanosaniye meselesinde bir hidrojen iyonu konsantrasyonunu karıştırmasına izin vererek, araştırmacıların beyindeki karşılık gelen işlevlerle eşleştirilebileceğini bulduğu durumlar yaratır.
Cihaz, merkezine yakın bir yerde daha fazla hidrojene sahip olduğunda, örneğin, tek bir sinir hücresi olan bir nöron gibi davranabilir. Bu konumda daha az hidrojenle, cihaz bir sinaps, nöronlar arasında bir bağlantı görevi görür; bu, beynin hafızayı karmaşık sinir devrelerinde depolamak için kullandığı şeydir.
Purdue ekibinin Santa Clara Üniversitesi ve Portland Eyalet Üniversitesi’ndeki işbirlikçileri, deneysel verilerin simülasyonları aracılığıyla, bu cihazın iç fiziğinin, elektrokardiyogram kalıplarını ve basamaklarını statik ile karşılaştırıldığında daha verimli bir şekilde tanıyabilen bir yapay sinir ağı için dinamik bir yapı oluşturduğunu gösterdi. Bu sinir ağı, beynin farklı bölümlerinin nasıl iletişim kurduğunu ve bilgi aktardığını açıklayan “rezervuar hesaplama” kullanır.
Pennsylvania Eyalet Üniversitesi’nden araştırmacılar, bu çalışmada ayrıca, yeni problemler sunuldukça, dinamik bir ağın, bu problemleri ele almak için hangi devrelerin en uygun olduğunu “seçebileceğini ve seçebileceğini” gösterdi.
Ekip, cihazı standart yarı iletken uyumlu üretim teknikleri kullanarak oluşturabildiğinden ve cihazı oda sıcaklığında çalıştırabildiğinden, Ramanathan bu tekniğin yarı iletken endüstrisi tarafından kolayca benimsenebileceğine inanıyor.
Purdue Ph.D.’den Michael Park, “Bu cihazın çok sağlam olduğunu gösterdik” dedi. malzeme mühendisliği öğrencisi. “Cihazı bir milyon döngünün üzerinde programladıktan sonra, tüm fonksiyonların yeniden yapılandırılması dikkat çekici bir şekilde tekrarlanabilir.” Araştırmacılar, beyinden ilham alan bir bilgisayar oluşturmak için kullanılacak büyük ölçekli test çipleri üzerinde bu kavramları göstermek için çalışıyorlar.