Fyysikko Samuel Dillavoun johtama tutkijaryhmä kokosi pienen sähköverkon yhdistämällä
"Verkko on konfiguroitu suorittamaan moniayksinkertaisia tekoälytehtäviä”, Dillavu sanoo. "Se voi esimerkiksi erottaa kolmen tyyppisiä iiriskukkia yli 95 %:n tarkkuudella neljän parametrin perusteella: terälehtien ja verholehtien pituus ja leveys."
Koneoppimisessa tekoäly on yleensäkeinotekoisten hermoverkkojen avulla. Tällaiset verkot ovat yleensä vain tietokoneen muistissa. Neuraaliverkko koostuu pisteistä tai solmuista, joista jokainen voi saada arvon 0-1 ja jotka on yhdistetty reunoilla. Jokaisella reunalla on oma painonsa solmujen arvoista riippuen. Harjoitettaessa tällaista järjestelmää, on tarpeen säätää reunojen painoa halutun tuloksen saavuttamiseksi.
"Tämä on hankala optimointiongelmakasvaa merkittävästi verkon koon myötä ja vaatii paljon laskentaresursseja”, Dillavu toteaa. "Tilannetta vaikeuttaa se, että kaikki reunat on viritettävä yhtä aikaa."
Tämän ongelman kiertämiseksi fyysikot etsivät järjestelmiä, jotka voisivat virittää itsensä ilman ulkoisia laskelmia.
Tutkimuksessaan tutkijat rakensivat kaksiidenttiset verkot päällekkäin. Suljetussa verkossa he käyttivät jännitettä ja kirjasivat vaaditut arvot lähtöelementteihin. Avoimessa verkossa vain tulovastuksen yli oleva jännite asetettiin.
Järjestelmä sääteli vastusten vastustakahdessa verkossa riippuen jännite-erosta kummassakin identtisten solmujen välillä. Useiden iteraatioiden aikana nämä säädöt toivat kaikkien kahden verkon kaikkien vastusten jännitteet linjaan. Järjestelmä on oppinut tuottamaan oikean lähdön annetuille tuloarvoille.
Kuva: Tiede
"Tämä asennus vaatii vähän laskentaa,Dillavu sanoo. — Järjestelmän tarvitsee vain verrata jännitehäviötä vastaavien vastusten välillä suljetussa ja vapaassa verkossa vertailijan avulla. Työmme osoittaa perustavanlaatuisen mahdollisuuden uudelle koneoppimistavalle, joka ei vaadi suuria laskelmia."
Lue lisää:
"James Webb" otti historian selkeimmän kuvan tähdestä
Vapaaehtoinen kuolema. Kerromme kuinka eutanasiamenettely toimii ympäri maailmaa
Tiedemiehet törmäävät 1500 vuotta vanhaan arkeologiseen poikkeamaan