Tým vědců vedený fyzikem Samuelem Dillavuem sestavil malou elektrickou síť, která propojila
„Síť byla nakonfigurována tak, aby mohla provádět mnohojednoduché úkoly umělé inteligence,“ říká Dillavu. "Například dokáže rozlišit mezi třemi druhy květů duhovky s více než 95% přesností na základě čtyř parametrů: délky a šířky okvětních lístků a sepalů."
Pro strojové učení je obvykle AIpomocí umělých neuronových sítí. Takové sítě obvykle existují pouze v paměti počítače. Neuronová síť se skládá z bodů nebo uzlů, z nichž každý může nabývat hodnoty od 0 do 1, spojených hranami. Každá hrana má svou vlastní váhu v závislosti na hodnotách v uzlech. Při tréninku takového systému je nutné upravit váhu hran, aby bylo dosaženo požadovaného výsledku.
„Toto je složitý problém s optimalizacíse výrazně zvyšuje s velikostí sítě a vyžaduje velké množství výpočetních zdrojů,“ poznamenává Dillavu. "Situaci komplikuje skutečnost, že všechny hrany musí být vyladěny současně."
Aby se fyzici tomuto problému vyhnuli, hledali systémy, které by se mohly vyladit bez externích výpočtů.
Ve svém výzkumu vědci vybudovali dvě identické sítě na sobě.V uzavřené síti přivedli napětí a zafixovali požadované hodnoty na výstupních prvcích.V otevřené síti bylo nastaveno pouze napětí na vstupním odporu.
Systém reguloval odpor na rezistorechve dvou sítích v závislosti na rozdílu napětí mezi identickými uzly v každé z nich. Během několika iterací tyto úpravy uvedly všechna napětí na všech rezistorech ve dvou sítích do souladu. Systém se naučil produkovat správný výstup pro dané vstupní hodnoty.
Foto: Věda
"Toto nastavení vyžaduje málo výpočtů,říká Dillavu. — Systém potřebuje pouze porovnat úbytek napětí na příslušných rezistorech v uzavřené a volné síti pomocí komparátoru. Naše práce dokazuje zásadní možnost nového způsobu strojového učení, který nevyžaduje velké výpočty.“
Přečtěte si více:
"James Webb" pořídil nejjasnější fotografii hvězdy v historii
Dobrovolná smrt. Říkáme, jak postup eutanazie funguje po celém světě
Vědci narazí na 1500 let starou archeologickou anomálii