Een team van wetenschappers, onder leiding van natuurkundige Samuel Dillavue, heeft een klein elektriciteitsnet in elkaar gezet, dat
“Het netwerk is geconfigureerd om veeleenvoudige AI-taken”, zegt Dillavu. "Het kan bijvoorbeeld drie soorten irisbloemen onderscheiden met een nauwkeurigheid van meer dan 95% op basis van vier parameters: de lengte en breedte van de bloembladen en kelkblaadjes."
Voor machine learning is AI meestal:met behulp van kunstmatige neurale netwerken. Dergelijke netwerken bestaan meestal alleen in het geheugen van de computer. Een neuraal netwerk bestaat uit punten of knooppunten, die elk een waarde van 0 tot 1 kunnen aannemen, verbonden door randen. Elke rand heeft zijn eigen gewicht afhankelijk van de waarden in de knooppunten. Bij het trainen van een dergelijk systeem is het noodzakelijk om het gewicht van de randen aan te passen om het gewenste resultaat te verkrijgen.
“Dit is een lastig optimalisatieprobleem datneemt aanzienlijk toe met de grootte van het netwerk en vereist een grote hoeveelheid computerbronnen”, merkt Dillavu op. "De situatie wordt gecompliceerd door het feit dat alle randen tegelijkertijd moeten worden afgesteld."
Om dit probleem te omzeilen, zochten natuurkundigen naar systemen die zichzelf konden afstemmen zonder externe berekeningen.
In hun onderzoek hebben wetenschappers er twee gebouwdidentieke netwerken boven elkaar. In een gesloten netwerk legden ze spanning aan en registreerden ze de vereiste waarden op de uitgangselementen. In een open netwerk werd alleen de spanning over de ingangsweerstand ingesteld.
Het systeem regelde de weerstand op de weerstandenin twee netwerken, afhankelijk van het spanningsverschil tussen identieke knooppunten in elk van hen. Gedurende verschillende iteraties brachten deze aanpassingen alle spanningen over alle weerstanden in de twee netwerken op één lijn. Het systeem heeft geleerd de juiste uitvoer te produceren voor gegeven invoerwaarden.
Foto: Wetenschap
"Deze opstelling vereist weinig rekenwerk,zegt Dillavu. — Het systeem hoeft alleen de spanningsval over de respectievelijke weerstanden in de gesloten en vrije netwerken te vergelijken met behulp van een comparator. Ons werk bewijst de fundamentele mogelijkheid van een nieuwe manier van machine learning waarvoor geen grote berekeningen nodig zijn.”
Lees verder:
"James Webb" nam de duidelijkste foto van een ster in de geschiedenis
Vrijwillig overlijden. We vertellen hoe de euthanasieprocedure over de hele wereld werkt
Wetenschappers stuiten op 1500 jaar oude archeologische anomalie