- Výzkumníci vytvořili nový typ umělého mozku
- Funguje podobně jako ten lidský
- Umí se učit „za pochodu,“ pozná čísla nebo si je pamatuje
Vědci vytvořili nový typ umělého mozku, který se dokáže učit a zapamatovávat si věci za pochodu, stejně jako to dělají lidé. To by mohlo vést k inovativnějším a ekologičtějším strojům, které si poradí se složitými a měnícími se daty v reálném světě. Výzkum, zveřejněný v časopise Nature Communications, je společným dílem odborníků ze Sydneyské univerzity a Kalifornské univerzity v Los Angeles.
Umělý mozek je tvořen nanovodičovými sítěmi, malými drátky miliardkrát menšími než jeden metr. Tyto drátky vytvářejí náhodné obrazce, které vypadají jako ze hry Mikádo a fungují jako neuronové sítě v našem mozku.
Funguje jako ten lidský
Mohou se učit a pamatovat si pomocí jednoduchých pravidel, která mění elektrický odpor v místech, kde se drátky kříží. Tomu se říká „přepínání odporové paměti,“ ke kterému dochází, když se kabely stávají více nebo méně vodivými v závislosti na elektrických signálech, jež dostávají. Podobným způsobem spolu komunikují naše mozkové buňky, neurony, prostřednictvím synapsí.
Výzkumníci testovali nanodrátové sítě na dvou úlohách: rozpoznávání a zapamatování obrázků a vybavování sekvencí čísel. K reprezentaci obrázků a čísel používali elektrické impulsy, přičemž se inspirovali tím, jak s informacemi pracuje náš mozek.
Vedoucí výzkumného týmu, profesorka Zdenka Kuncic, vysvětlila, že zapamatování sekvence čísel je jako zapamatování telefonního čísla. Sítě si rovněž vedly dobře při rozpoznávání obrázků z databáze 70 000 ručně psaných číslic, což je běžná úloha pro strojové učení.
Nemá problém přijímat stále nová data
V jejím předchozím výzkumu si tyto sítě dokázaly zapamatovat pouze jednoduché úkoly, kdežto jejich nejnovější verze nemá problém ani s dynamickými daty, která při přicházejí online. Podle ní se jedná o významný pokrok, protože dříve bylo obtížné provádět učení s velkými a měnícími se soubory dat.
Obvyklý způsob strojového učení spočíval v tom, že se data nejprve uložila a pak se na nich trénoval model, ale to spotřebovávalo příliš mnoho energie pro praktické použití. Nový přístup však umožnil nanovodičovým sítím učit se a pamatovat si „za pochodu“ jeden datový bod po druhém, aniž by je ukládaly nebo spotřebovávaly příliš mnoho energie.
Podle Ruomina Zhu, doktoranda ze Sydneyské univerzity, má online učení i další výhody. Pokud by prý data přicházela nepřetržitě, například ze senzorů, strojové učení založené na umělých neuronových sítích by muselo být schopno se přizpůsobovat v reálném čase, což nyní neumí.
