ทีมนักวิทยาศาสตร์ที่นำโดยนักฟิสิกส์ Samuel Dillavou ได้ประกอบเครือข่ายไฟฟ้าขนาดเล็กโดยการเชื่อมต่อ
“เครือข่ายได้รับการกำหนดค่าให้ดำเนินการหลายอย่างงาน AI ง่ายๆ” Dillavu กล่าว “ตัวอย่างเช่น สามารถแยกแยะระหว่างดอกไอริสสามประเภทที่มีความแม่นยำมากกว่า 95% ตามพารามิเตอร์สี่ประการ: ความยาวและความกว้างของกลีบและกลีบเลี้ยง”
สำหรับแมชชีนเลิร์นนิง โดยปกติ AI จะเป็นโดยใช้โครงข่ายประสาทเทียม เครือข่ายดังกล่าวมักมีอยู่ในหน่วยความจำของคอมพิวเตอร์เท่านั้น โครงข่ายประสาทเทียมประกอบด้วยจุดหรือโหนด ซึ่งแต่ละจุดสามารถรับค่าได้ตั้งแต่ 0 ถึง 1 ซึ่งเชื่อมต่อกันด้วยขอบ แต่ละขอบมีน้ำหนักของตัวเองขึ้นอยู่กับค่าในโหนด เมื่อฝึกระบบดังกล่าว จำเป็นต้องปรับน้ำหนักของขอบเพื่อให้ได้ผลลัพธ์ที่ต้องการ
“นี่เป็นปัญหาการเพิ่มประสิทธิภาพที่ยุ่งยากที่เพิ่มขึ้นอย่างมากตามขนาดของเครือข่ายและต้องใช้ทรัพยากรการคำนวณจำนวนมาก” Dillavu กล่าว “สถานการณ์ซับซ้อนเพราะต้องปรับขอบทั้งหมดพร้อมกัน”
เพื่อแก้ไขปัญหานี้ นักฟิสิกส์มองหาระบบที่สามารถปรับตัวเองได้โดยไม่ต้องคำนวณจากภายนอก
ในการวิจัยของพวกเขา นักวิทยาศาสตร์ได้สร้างสองชิ้นเครือข่ายเดียวกันซ้อนทับกัน ในเครือข่ายปิด พวกเขาใช้แรงดันไฟฟ้าและบันทึกค่าที่ต้องการในองค์ประกอบเอาต์พุต ในเครือข่ายแบบเปิด มีการตั้งค่าเฉพาะแรงดันไฟฟ้าคร่อมตัวต้านทานอินพุตเท่านั้น
ระบบควบคุมความต้านทานของตัวต้านทานในสองเครือข่ายขึ้นอยู่กับความแตกต่างของแรงดันไฟฟ้าระหว่างโหนดที่เหมือนกันในแต่ละโหนด ในการทำซ้ำหลายครั้ง การปรับเหล่านี้นำแรงดันไฟฟ้าทั้งหมดจากตัวต้านทานทั้งหมดในทั้งสองเครือข่ายมารวมกัน ระบบได้เรียนรู้การผลิตเอาต์พุตที่ถูกต้องสำหรับค่าอินพุตที่กำหนด
รูปถ่าย: วิทยาศาสตร์
"การตั้งค่านี้ต้องใช้การคำนวณเพียงเล็กน้อยดิลลาวูกล่าว — ระบบต้องการเพียงเปรียบเทียบแรงดันตกคร่อมระหว่างตัวต้านทานที่เกี่ยวข้องในเครือข่ายแบบปิดและแบบอิสระโดยใช้ตัวเปรียบเทียบ งานของเราพิสูจน์ให้เห็นถึงความเป็นไปได้พื้นฐานของการเรียนรู้ด้วยเครื่องรูปแบบใหม่ที่ไม่ต้องการการคำนวณจำนวนมาก”
อ่านเพิ่มเติม:
"เจมส์ เวบบ์" ถ่ายดาราชัดสุดในประวัติศาสตร์
ความตายโดยสมัครใจ เราบอกวิธีการทำงานของนาเซียเซียทั่วโลก
นักวิทยาศาสตร์สะดุดกับความผิดปกติทางโบราณคดีอายุ 1,500 ปี