Тим научника на челу са физичарем Семјуелом Дилавуом спојио је малу електричну мрежу
„Мрежа је конфигурисана да обавља многеједноставни задаци АИ“, каже Диллаву. „На пример, може да разликује три типа цветова ириса са више од 95% тачности на основу четири параметра: дужине и ширине латица и чашица.
За машинско учење, АИ је обичнокоришћењем вештачких неуронских мрежа. Такве мреже обично постоје само у меморији рачунара. Неуронска мрежа се састоји од тачака или чворова, од којих свака може попримити вредност од 0 до 1, повезаних ивицама. Свака ивица има своју тежину у зависности од вредности у чворовима. Када тренирате такав систем, потребно је подесити тежину ивица како бисте добили жељени резултат.
„Ово је тежак проблем оптимизације којизначајно расте са величином мреже и захтева велику количину рачунарских ресурса“, примећује Дилаву. „Ситуација је компликована чињеницом да све ивице морају бити подешене у исто време.
Да би заобишли овај проблем, физичари су тражили системе који би се могли сами подесити без спољних прорачуна.
У свом истраживању научници су изградили дваидентичне мреже једна на другој. У затвореној мрежи применили су напон и забележили потребне вредности на излазним елементима. У отвореној мрежи постављен је само напон на улазном отпорнику.
Систем је регулисао отпор на отпорницимау две мреже у зависности од разлике напона између идентичних чворова у свакој од њих. Током неколико итерација, ова подешавања су довела у ред све напоне на свим отпорницима у две мреже. Систем је научио да производи исправан излаз за дате улазне вредности.
Фото: Наука
„Ово подешавање захтева мало прорачуна,Дилаву каже. — Систем треба само да упореди пад напона на одговарајућим отпорницима у затвореној и слободној мрежи помоћу компаратора. Наш рад доказује фундаменталну могућност новог начина машинског учења који не захтева велике прорачуне.”
Опширније:
„Џејмс Веб” је направио најјаснију фотографију звезде у историји
Добровољна смрт. Кажемо како поступак еутаназије функционише широм света
Научници наилазе на 1.500 година стару археолошку аномалију