更清楚地了解一種被稱為星形膠質(zhì)細(xì)胞的腦細(xì)胞如何運(yùn)作并可以在硬件設(shè)備的物理學(xué)中進(jìn)行模擬，可能會(huì)導(dǎo)致人工智能 (AI) 和機(jī)器學(xué)習(xí)能夠自主自我修復(fù)并且比目前的技術(shù)消耗更少的能量根據(jù)賓夕法尼亞州立大學(xué)的一個(gè)研究小組的說法。
星形膠質(zhì)細(xì)胞以其星形命名，是一種神經(jīng)膠質(zhì)細(xì)胞，是大腦神經(jīng)元的支持細(xì)胞。它們?cè)谟洃?、學(xué)習(xí)、自我修復(fù)和同步等大腦功能中起著至關(guān)重要的作用。
“這個(gè)項(xiàng)目源于最近在計(jì)算神經(jīng)科學(xué)中的觀察，因?yàn)槿藗儗?duì)大腦如何工作有很多努力和理解，人們正試圖修改簡單的神經(jīng)元 - 突觸連接模型，”電子學(xué)助理教授 Abhronil Sengupta 說。工程和計(jì)算機(jī)科學(xué)。“事實(shí)證明，大腦中有第三種成分，星形膠質(zhì)細(xì)胞，它構(gòu)成了大腦細(xì)胞的重要部分，但它在機(jī)器學(xué)習(xí)和神經(jīng)科學(xué)中的作用有點(diǎn)被忽視了。”
與此同時(shí)，人工智能和機(jī)器學(xué)習(xí)領(lǐng)域正在蓬勃發(fā)展。據(jù)分析公司 Burning Glass Technologies 稱，到 2025 年，對(duì)人工智能和機(jī)器學(xué)習(xí)技能的需求預(yù)計(jì)將以 71% 的復(fù)合增長率增長。然而，隨著這些技術(shù)使用的增加，人工智能和機(jī)器學(xué)習(xí)面臨著挑戰(zhàn)——它們消耗大量能源。
“人工智能和機(jī)器學(xué)習(xí)的一個(gè)經(jīng)常被低估的問題是這些系統(tǒng)的功耗，”Sengupta 說。“例如，幾年前，IBM 試圖模擬貓的大腦活動(dòng)，但這樣做結(jié)束了”最多消耗大約幾兆瓦的功率。如果我們只是擴(kuò)展這個(gè)數(shù)字以在我們今天擁有的最好的超級(jí)計(jì)算機(jī)上模擬人類的大腦活動(dòng)，那么功耗甚至?xí)哂谡淄摺?rdquo;
所有這些電力使用都是由于計(jì)算機(jī)處理中發(fā)生的開關(guān)、半導(dǎo)體和其他機(jī)械和電氣過程的復(fù)雜舞蹈，當(dāng)這些過程與人工智能和機(jī)器學(xué)習(xí)的需求一樣復(fù)雜時(shí)，這種變化會(huì)大大增加。一個(gè)潛在的解決方案是神經(jīng)形態(tài)計(jì)算，即模擬大腦功能的計(jì)算。神經(jīng)形態(tài)計(jì)算對(duì)研究人員很感興趣，因?yàn)槿祟惔竽X已經(jīng)進(jìn)化到在其過程中使用的能量比計(jì)算機(jī)少得多，因此模仿這些功能將使人工智能和機(jī)器學(xué)習(xí)成為一個(gè)更節(jié)能的過程。
另一種具有神經(jīng)形態(tài)計(jì)算潛力的大腦功能是大腦如何自我修復(fù)受損的神經(jīng)元和突觸。
“星形膠質(zhì)細(xì)胞在自我修復(fù)大腦方面起著非常關(guān)鍵的作用，”Sengupta 說。“當(dāng)我們嘗試提出這些新的設(shè)備結(jié)構(gòu)時(shí)，我們嘗試形成一個(gè)原型人工神經(jīng)形態(tài)硬件，這些都以很多硬件級(jí)故障為特征。因此，也許我們可以根據(jù)星形膠質(zhì)細(xì)胞如何導(dǎo)致大腦中的自我修復(fù)從計(jì)算神經(jīng)科學(xué)中獲得見解，并使用這些概念可能導(dǎo)致神經(jīng)形態(tài)硬件的自我修復(fù)來修復(fù)這些故障。”
Sengupta 的實(shí)驗(yàn)室主要研究自旋電子設(shè)備，這是一種通過自旋電子處理信息的電子設(shè)備。研究人員通過在設(shè)備的內(nèi)在物理特性中模擬大腦的各種神經(jīng)突觸功能來檢查設(shè)備的磁性結(jié)構(gòu)以及如何使它們具有神經(jīng)形態(tài)。
標(biāo)簽：
免責(zé)聲明：本文由用戶上傳，如有侵權(quán)請(qǐng)聯(lián)系刪除！