Искусственный интеллект сможет приблизиться к возможностям человеческого мозга с помощью магнитов

Друзья, с момента основания проекта прошло уже 20 лет и мы рады сообщать вам, что сайт, наконец, переехали на новую платформу.

Какое-то время продолжим трудится на общее благо по адресу https://n-n-n.ru.
На новой платформе мы уделили особое внимание удобству поиска материалов.
Особенно рекомендуем познакомиться с работой рубрикатора.

Спасибо, ждём вас на N-N-N.ru

Исследователи из Университета Пердью (Purdue University) разработали технологию использования магнитного излучения для программирования и обучения роботов, беспилотных автомобилей и летательных средств.

Она позволит искусственному интеллекту более эффективно получать и обрабатывать информацию, обобщать полученные данные и самостоятельно делать выводы об окружающих устройство объектах, выявлять их свойства и различия.

«Наши нейронные сети имитируют определенные виды деятельности человеческого мозга и проводят вычисления с помощью соединений синапсов и нейронов, словно мозг человека», — отметил Каушик Рой, профессор вычислительной и электротехники Университета Пердью.

Группа исследователей предложила принципиально новый обучающий алгоритм, основанный на биологических процессах регуляции силы связей между нейронами (Spike-timing-dependent plasticity), которые были обнаружены экспериментальным путем в гиппокампе лабораторной крысы. Магнитное излучение в технологии используется для управления состоянием намагниченности нейронов, которое позволяет влиять на энергоэффективность ИИ, скорость обработки и сжатия объема данных.

«Мы создали более простую нейросеть, которую можно использовать для решения сложных задач и оптимизации таких процессов, как построение графиков и маршрутов», — сказал Рой.

Технология обучения ИИ с помощью магнитного излучения была представлена на ежегодной конференции по физике в Германии, первые результаты исследования опубликованы в журнале Frontiers in Neuroscience.

Пожалуйста, оцените статью:
Ваша оценка: None Средняя: 5 (2 votes)
Источник(и):

Naked Science