弹性节能人工智能与机器学习的关键可能存在于人脑中

更清楚地了解一种被称为星形胶质细胞的脑细胞如何运作并可以在硬件设备的物理学中进行模拟，可能会导致人工智能 (AI) 和机器学习能够自主自我修复并且比目前的技术消耗更少的能量根据宾夕法尼亚州立大学的一个研究小组的说法。

星形胶质细胞以其星形命名，是一种神经胶质细胞，是大脑神经元的支持细胞。它们在记忆、学习、自我修复和同步等大脑功能中起着至关重要的作用。

“这个项目源于最近在计算神经科学中的观察，因为人们对大脑如何工作有很多努力和理解，人们正试图修改简单的神经元 - 突触连接模型，”电子学助理教授 Abhronil Sengupta 说。工程和计算机科学。“事实证明，大脑中有第三种成分，星形胶质细胞，它构成了大脑细胞的重要部分，但它在机器学习和神经科学中的作用有点被忽视了。”

与此同时，人工智能和机器学习领域正在蓬勃发展。据分析公司 Burning Glass Technologies 称，到 2025 年，对人工智能和机器学习技能的需求预计将以 71% 的复合增长率增长。然而，随着这些技术使用的增加，人工智能和机器学习面临着挑战——它们消耗大量能源。

“人工智能和机器学习的一个经常被低估的问题是这些系统的功耗，”Sengupta 说。“例如，几年前，IBM 试图模拟猫的大脑活动，但这样做结束了”最多消耗大约几兆瓦的功率。如果我们只是扩展这个数字以在我们今天拥有的最好的超级计算机上模拟人类的大脑活动，那么功耗甚至会高于兆瓦。”

所有这些电力使用都是由于计算机处理中发生的开关、半导体和其他机械和电气过程的复杂舞蹈，当这些过程与人工智能和机器学习的需求一样复杂时，这种变化会大大增加。一个潜在的解决方案是神经形态计算，即模拟大脑功能的计算。神经形态计算对研究人员很感兴趣，因为人类大脑已经进化到在其过程中使用的能量比计算机少得多，因此模仿这些功能将使人工智能和机器学习成为一个更节能的过程。

另一种具有神经形态计算潜力的大脑功能是大脑如何自我修复受损的神经元和突触。

“星形胶质细胞在自我修复大脑方面起着非常关键的作用，”Sengupta 说。“当我们尝试提出这些新的设备结构时，我们尝试形成一个原型人工神经形态硬件，这些都以很多硬件级故障为特征。因此，也许我们可以根据星形胶质细胞如何导致大脑中的自我修复从计算神经科学中获得见解，并使用这些概念可能导致神经形态硬件的自我修复来修复这些故障。”

Sengupta 的实验室主要研究自旋电子设备，这是一种通过自旋电子处理信息的电子设备。研究人员通过在设备的内在物理特性中模拟大脑的各种神经突触功能来检查设备的磁性结构以及如何使它们具有神经形态。

　　免责声明：本文由用户上传，与本网站立场无关。财经信息仅供读者参考，并不构成投资建议。投资者据此操作，风险自担。 如有侵权请联系删除！