Τη δυνατότητα στις μηχανές να φτάσουν τις επιδόσεις του ανθρώπινου εγκεφάλου σε τομείς όπως η ερμηνεία εικόνων ή βίντεο ενδεχομένως να μπορεί να δώσει ένα νέο είδος μνήμης υπολογιστή.
Όπως αναφέρεται σε δημοσίευμα του MIT Technology Review, ερευνητές της ΙΒΜ χρησιμοποίησαν την αποκαλούμενη phase-change memory για να δημιουργήσουν μια συσκευή η οποία επεξεργάζεται δεδομένα με τρόπο ο οποίος παραπέμπει στη λειτουργία ενός βιολογικού εγκεφάλου.
Μέσω της χρήσης ενός πρωτότυπου phase-change memory chip, οι ερευνητές καθόρισαν ρύθμισαν το σύστημα έτσι ώστε να λειτουργήσει ως ένα δίκτυο 913 νευρώνων με 165.000 συνδέσεις, ή συνάψεις, μεταξύ αυτών.
Η ισχύς αυτών των συνάψεων μεταβάλλεται καθώς το τσιπ επεξεργάζεται εισερχόμενα δεδομένα, αλλάζοντας τον τρόπο με τον οποίο οι εικονικοί νευρώνες επηρεάζουν ο ένας τον άλλον. Εκμεταλλευόμενοι αυτό το χαρακτηριστικό, οι επιστήμονες κατέστησαν το σύστημα ικανό να αναγνωρίζει χειρόγραφους αριθμούς.
MIT TECHNOLOGY REVIEW
Ερευνητές
της ΙΒΜ χρησιμοποίησαν την αποκαλούμενη phase-change memory για να
δημιουργήσουν μια συσκευή η οποία επεξεργάζεται δεδομένα με τρόπο ο
οποίος παραπέμπει στη λειτουργία ενός βιολογικού εγκεφάλου.
Οι «εγκεφαλικού» τύπου υπολογιστές αποτελούν αντικείμενο ερευνών από επιστήμονες υπολογιστών εδώ και καιρό. Τέτοιου είδους σχέδια διαφέρουν ριζικά από τα σημερινά τσιπ, υποσχόμενα να κάνουν αποδοτικότερους τους υπολογιστές σε εργασίες που σήμερα θεωρούνται δύσκολες από τα συμβατικά συστήματα- όπως η εκμάθηση βάσει εμπειρίας ή η κατανόηση βίντεο.
Νωρίτερα μέσα στο έτος, η ΙΒΜ ανακοίνωσε το πιο σύνθετο τσιπ του είδους μέχρι τώρα, το οποίο δημιουργήθηκε μέσω τεχνικών και στοιχείων που χρησιμοποιούνται για την κατασκευή επεξεργαστών smartphones. Το νέο σύστημα δεν είναι το ίδιο ισχυρό, ωστόσο, όπως επεσήμανε ο Τζεφ Μπερ, ερευνητής της ΙΒΜ, είναι σημαντικό το ότι χρησιμοποιείται phase-change memory για τη δημιουργία των 165.000 συνάψεων.
Κατά τον ίδιο, αυτό το είδος μνήμης θεωρείται πως ενδείκνυται για «εγκεφαλικού» (neuromorphic) τύπου συστήματα επειδή αποθηκεύει δεδομένα σε πολύ μεγάλη πυκνότητα- επίσης, είναι ευκολότερη όσον αφορά στον επαναπρογραμματισμό της. Πρακτικά, αυτό διευκολύνει την κατασκευή ενός συστήματος που θα είναι ικανό να «μαθαίνει», ρυθμίζοντας κατάλληλα τη συμπεριφορά του ενώ λαμβάνει νέα δεδομένα.
Προηγούμενες προσπάθειες στο συγκεκριμένο πεδίο ήταν περιορισμένης κλίμακας, με 100 συνάψεις ή λιγότερες. Το νέο σύστημα, που κατασκευάστηκε σε συνεργασία και με ερευνητές του Πανεπιστημίου Επιστήμης και Τεχνολογίας Ποχάνγκ στην Κορέα, είναι 1.000πλάσιου μεγέθους.
Το σχετικό paper παρουσιάστηκε τον Δεκέμβριο στην International Electron Devices Meeting στο Σαν Φρανσίσκο.
Δεν υπάρχουν σχόλια:
Δημοσίευση σχολίου
Αποποίηση ευθυνών: Το ιστολόγιο δεν παρέχει συμβουλές, προτροπές και καθοδήγηση.
Εισέρχεστε & εξέρχεστε με δική σας ευθύνη :)