Нова розробка команди під керівництвом інженера Фенга Го з Університету Індіани в Блумінгтон робить ще один крок вперед - інтегрує справжню, реальну тканину людського мозку з електронікою, щоб зробити комп'ютерні технології більш схожими на мозокПро це повідомляє
Science Alert.
Це називається Brainoware, і це працює. Команда вчених поставила перед ним такі завдання, як розпізнавання мови та прогнозування нелінійних рівнянь.
Він виявився трохи менш точним, ніж чисто апаратний комп'ютер, що працює на штучному інтелекті, але це дослідження демонструє важливий перший крок у новому типі комп'ютерної архітектури.
За оцінками, людський мозок містить в середньому 86 мільярдів нейронів і до квадрильйона синапсів. Кожен нейрон пов'язаний з 10 тисячами інших нейронів, які постійно працюють і спілкуються один з одним.
Наразі наші найкращі спроби змоделювати діяльність мозку в штучній системі ледь торкнулися поверхні.
Brainoware складається з органоїдів мозку, підключених до масиву мікроелектродів високої щільності, використовуючи тип штучної нейронної мережі, відомий як резервуарні обчислення. Електрична стимуляція транспортує інформацію в органоїд, резервуар, де ця інформація обробляється, перш ніж Brainoware видає свої обчислення у вигляді нейронної активності.
Для вхідного та вихідного шарів використовується звичайне комп'ютерне обладнання. Ці шари потрібно було навчити функціонувати з органоїдом, причому вихідний шар зчитував нейронні дані і робив класифікацію або прогнози на основі вхідних даних.
Щоб продемонструвати систему, дослідники дали Brainoware 240 аудіокліпів з вісьмома чоловічими голосами, які вимовляли японські голосні звуки, і попросили її ідентифікувати голос однієї конкретної людини.
Після дводенного навчання Brainoware зміг ідентифікувати диктора з точністю 78 відсотків.
Вони також попросили Brainoware передбачити карту Генона, динамічну систему, яка демонструє хаотичну поведінку. Вони залишили її навчатися без нагляду на чотири дні - кожен день представляв епоху навчання - і виявили, що вона змогла передбачити карту з більшою точністю, ніж штучна нейронна мережа без довгого блоку короткочасної пам'яті.
Brainoware був трохи менш точним, ніж штучні нейронні мережі з довгим блоком короткочасної пам'яті - але ці мережі пройшли по 50 епох навчання.Brainoware досягла майже таких самих результатів менш ніж за 10 відсотків часу навчання.
