用超级计算机推进人工智能:光电子“大脑”的蓝图

AI11个月前发布 aixure
22 0 0
导读:光电子大脑的蓝图 建造一台可以在人脑的规模和复杂性上支持人工智能的计算机将是一项巨大的工程工作。现在,美国国家标准技术研究院的研究人员概述了他们认为我们将如何实现这一目标。 我们将如何,何时以及是否会创造出能够与我们的认知能力相匹配的机器,…

光电子“大脑”的蓝图

建造一台可以在人脑的规模和复杂性上支持人工智能的计算机将是一项巨大的工程工作。现在,美国国家标准技术研究院的研究人员概述了他们认为我们将如何实现这一目标。

我们将如何,何时以及是否会创造出能够与我们的认知能力相匹配的机器,这是计算机科学家和哲学家之间激烈争论的话题。最有争议的问题之一是,该解决方案需要在多大程度上反映迄今为止我们最好的智能示例:人脑。

尽管深度神经网络的名称与大脑的运行方式截然不同,但由深度神经网络驱动的AI的飞速发展已经使许多人相信,我们可以在不模仿大脑的硬件或软件的情况下实现“人工通用情报”。

其他人则认为,我们仍然缺少智力运作的基本方面,而填补空白的最佳方法是从自然界中借鉴。对于许多人来说,这意味着构建“神经形态”硬件,以更紧密地模仿生物大脑的结构和操作。

问题在于,我们拥有的现有计算机技术看上去与生物信息处理系统有很大不同,并且在完全不同的原理上运行。首先,现代计算机是数字的,而神经元是模拟的。尽管两者都依赖于电信号,但它们的口味却截然不同,大脑还使用大量化学信号来进行处理。

现在,NIST的研究人员认为,他们找到了一种可以模仿大脑核心属性的方式来结合现有技术的方法。他们使用他们的方法,勾勒出了一个“神经形态超级计算机”的蓝图,该蓝图不仅可以匹配,而且可以超越生物系统的物理极限。

的关键在于他们的方法,在概述应用物理快报,是电子和光学技术的组合。逻辑是电子学擅长计算,而光学系统可以光速传输信息,因此将它们组合起来可能是模仿大脑出色的计算和通信能力的最佳方法。

这不是一个新主意,但是到目前为止,证明要使最好的电子和光学硬件胶合起来非常困难。该团队认为他们已经找到了一种可能的解决方法,将系统温度降低到负华氏450度。

虽然这似乎只会使事情复杂化,但实际上为许多新的硬件可能性开辟了道路。一堆高性能电子和光学组件只能在这些严酷的温度下工作,例如超导电子设备,单光子检测器和硅LED。

研究人员建议使用这些组件来构建人造神经元,这些神经元的运作方式类似于其生物表亲,而不是传统的计算机组件,其发射的是电脉冲或尖峰信号,而不是围绕周围的数字穿梭。

每个神经元都有成千上万个由单个光子探测器制成的人工突触,这些探测器从其他神经元中获取光学信息。这些输入信号由超导电路进行组合和处理,一旦它们超过某个阈值,就会激活硅LED,向所有下游神经元发送光脉冲。

研究人员设想将数百万个神经元组合在300毫米的硅晶圆上,然后堆叠晶圆以创建一个高度互连的网络,该网络模仿大脑的结构,每个芯片上的光波导处理短距离连接,而长距离那些通过fibe处理 光缆。

他们承认,需要对整个设备进行低温冷却是一个挑战。但是他们说,设计中提高的电源效率应该抵消这种冷却的成本,而且人脑规模的系统与现代超级计算机相比,所需要的电源或空间也不会更多。他们还指出,有显著R&d进入低温冷却的量子计算机,他们可以很可能搭载过的。

研究人员已经通过实验证明了该系统的一些基本组件,尽管他们承认,将所有组件组合在一起还有很长的路要走。尽管这些组件中的许多组件都与标准电子设备制造兼容,但寻找廉价制造它们并集成它们的方法将是一项艰巨的任务。

也许更重要的是机器将运行哪种软件的问题。它的设计实行“尖峰神经网络小号”类似于在大脑中发现的,但我们的生物神经网络的认识仍然是初步的,而我们的模仿能力他们更是雪上加霜。尽管科学家和科技公司都在尝试这种方法,但它的功能仍然远不如深度学习。

鉴于构建这种规模的设备涉及巨大的工程挑战,因此将该蓝图从图纸中抽出来可能还需要一段时间。但是该提议是寻找人工智能的有趣的新篇章。

更多关于芯片制造的知识,请搜索“众壹云”

赞助本站

© 版权声明

相关文章

暂无评论

暂无评论...