更清楚地了解一種被稱為星形膠質(zhì)細胞的腦細胞如何運作并可以在硬件設(shè)備的物理學中進行模擬，可能會導(dǎo)致人工智能 (AI) 和機器學習能夠自主自我修復(fù)并且比目前的技術(shù)消耗更少的能量根據(jù)賓夕法尼亞州立大學的一個研究小組的說法。
星形膠質(zhì)細胞以其星形命名，是一種神經(jīng)膠質(zhì)細胞，是大腦神經(jīng)元的支持細胞。它們在記憶、學習、自我修復(fù)和同步等大腦功能中起著至關(guān)重要的作用。
“這個項目源于最近在計算神經(jīng)科學中的觀察，因為人們對大腦如何工作有很多努力和理解，人們正試圖修改簡單的神經(jīng)元 - 突觸連接模型，”電子學助理教授 Abhronil Sengupta 說。工程和計算機科學。“事實證明，大腦中有第三種成分，星形膠質(zhì)細胞，它構(gòu)成了大腦細胞的重要部分，但它在機器學習和神經(jīng)科學中的作用有點被忽視了。”
與此同時，人工智能和機器學習領(lǐng)域正在蓬勃發(fā)展。據(jù)分析公司 Burning Glass Technologies 稱，到 2025 年，對人工智能和機器學習技能的需求預(yù)計將以 71% 的復(fù)合增長率增長。然而，隨著這些技術(shù)使用的增加，人工智能和機器學習面臨著挑戰(zhàn)——它們消耗大量能源。
“人工智能和機器學習的一個經(jīng)常被低估的問題是這些系統(tǒng)的功耗，”Sengupta 說。“例如，幾年前，IBM 試圖模擬貓的大腦活動，但這樣做結(jié)束了”最多消耗大約幾兆瓦的功率。如果我們只是擴展這個數(shù)字以在我們今天擁有的最好的超級計算機上模擬人類的大腦活動，那么功耗甚至會高于兆瓦。”
所有這些電力使用都是由于計算機處理中發(fā)生的開關(guān)、半導(dǎo)體和其他機械和電氣過程的復(fù)雜舞蹈，當這些過程與人工智能和機器學習的需求一樣復(fù)雜時，這種變化會大大增加。一個潛在的解決方案是神經(jīng)形態(tài)計算，即模擬大腦功能的計算。神經(jīng)形態(tài)計算對研究人員很感興趣，因為人類大腦已經(jīng)進化到在其過程中使用的能量比計算機少得多，因此模仿這些功能將使人工智能和機器學習成為一個更節(jié)能的過程。
另一種具有神經(jīng)形態(tài)計算潛力的大腦功能是大腦如何自我修復(fù)受損的神經(jīng)元和突觸。
“星形膠質(zhì)細胞在自我修復(fù)大腦方面起著非常關(guān)鍵的作用，”Sengupta 說。“當我們嘗試提出這些新的設(shè)備結(jié)構(gòu)時，我們嘗試形成一個原型人工神經(jīng)形態(tài)硬件，這些都以很多硬件級故障為特征。因此，也許我們可以根據(jù)星形膠質(zhì)細胞如何導(dǎo)致大腦中的自我修復(fù)從計算神經(jīng)科學中獲得見解，并使用這些概念可能導(dǎo)致神經(jīng)形態(tài)硬件的自我修復(fù)來修復(fù)這些故障。”
Sengupta 的實驗室主要研究自旋電子設(shè)備，這是一種通過自旋電子處理信息的電子設(shè)備。研究人員通過在設(shè)備的內(nèi)在物理特性中模擬大腦的各種神經(jīng)突觸功能來檢查設(shè)備的磁性結(jié)構(gòu)以及如何使它們具有神經(jīng)形態(tài)。
標簽：
免責聲明：本文由用戶上傳，如有侵權(quán)請聯(lián)系刪除！