S:
Yeni MIT çipleri sinir ağlarına nasıl yardımcı olabilir?
A:Sinir ağları üzerindeki yeni bilimsel çalışmalar, güç ve kaynak gereksinimlerini mühendislerin güçlü yeteneklerini çok daha çeşitli cihazlara yerleştirebileceği noktaya kadar azaltabilir.
Bu, yiyecekleri nasıl hazırladığımızdan doktora nasıl gittiğimizden veya arabalarımızı veya toplu taşıma araçlarını nasıl kullandığımızdan, hayatımızdaki her şey üzerinde büyük bir etkiye sahip olabilir.
Akıllı telefonların hayatımızı nasıl değiştirdiğini düşünün; daha sonra bu küçük, taşınabilir cihazlarda makine öğrenimi ve yapay zeka teknolojilerine sahip olmayı düşünün.
Bu çığır açan çalışmalardan bazıları, bazı elektrik mühendisliği ve bilgisayar bilimi öğrencilerinin AI / ML sistemlerinin tasarımını ve yapısını nasıl geliştireceklerini araştırdığı MIT'de sergileniyor.
Özellikle, bir MIT lisansüstü öğrencisi Abhishek Biswas ve çeşitli meslektaşlarının çabaları teknoloji basınında büyük ilgi görüyor.
Techcrunch, sinir ağı biliminin evriminin “en üst düzeyde bilgi işlem” i nasıl destekleyebileceğini ve taşınabilir pille çalışan cihazlara nasıl daha güçlü teknolojiler yerleştirebileceğini anlatıyor.
Forbes, Biswas'in atılımının “blenderinize yapay zeka katabileceğini” söylüyor.
Genel olarak, MIT bilim adamlarının ilerlemeleri kısmen dalga yapıyor çünkü bu başarıların tüketici teknolojilerimizin yanı sıra hükümet veya iş amaçlı kullanılanları nasıl etkileyebileceği ortada.
Esasen, Biswas'ın tanımladığı işlemci evriminin türü, bir yonga ortamında birlikte yerleştirme işlevleriyle ilgilidir. Bir Science Daily makalesinde yazar, çoğu geleneksel işlemcinin işleme alanının dışında depolanan belleğe nasıl sahip olduğunu açıklar ve veriler ileri geri aktarılır. Ancak, depolanan bellek verilerinin hareketine olan bu ihtiyaç çok fazla güç gerektirir.
Biswas, sinir ağlarının çalışmasına yardımcı olan “nokta ürün” veya çekirdek operasyondan bahseder. Bu bilim adamları ayrıca sistemleri basitleştirmek için ikili ağırlıkların kullanımını düşünüyorlar - ve bu fikir ilk kişisel bilgisayarlar icat edilmeden bu yana bilgisayar biliminin temel bir parçası oldu.
Bu tür donanım değişikliklerini teşvik ederek, bilim adamları, teknolojiyi kullanma şeklimizi değiştiren makine öğrenimi ve yapay zeka araçları için daha fazla çok yönlülük sağlıyorlar. Tamamen deterministik doğrusal programlamadan bilgisayarların insan beyin aktivitesini taklit ettiği bir sisteme geçerek, parmaklarımızın ucunda çok daha güçlü teknolojilerle yeni bir maceraya başlamak üzereyiz.
