Nový prístup k umelej inteligencii inšpirovaný mozočkom
Vedci nedávno predstavili revolučné zariadenie, ktoré je inšpirované fungovaním ľudského mozočka. Tento nový model umelej inteligencie je navrhnutý tak, aby šetril energiu a zásadne zmenil spôsob, akým dosiahneme výsledky pri spracovaní dát, najmä v oblastiach ako je medicína. Hlavný autor štúdie Mark C. Hersam z Northwestern University uvádza, že predchádzajúce prístupy k umelej inteligencii sa zameriavali na napodobenie celého mozgu, pričom ich cieľom bolo napodobniť komplexné myšlienkové procesy. Naproti tomu ich nový vývoj preberá len základné funkcie mozočka, ktorý riaďuje reflexive reakcie a nevyžaduje neustále aktívny proces z dôvodu šetrenia energie.
Energetická efektívnosť a reakcie na nečakané udalosti
Mozoček, ako súčasť ľudského mozgu, je známy tým, že sa aktívne zapája len v prípade nečakaných situácií, pričom predchádzajúcu činnosť nehodnotí. Toto koncepčné otáčanie tzv. „výpočtovej technológie” vedie k významnej úspore energie. Hersam zdôraznil, že takýto prístup by mohol mať potenciál normalizovať a optimalizovať efektivitu umelej inteligencie pri interpretácii dát bez nutnosti neustále analyzovať nemenné vstupy.
Predpokladaná spotreba energie umelej inteligencie
V dnešnej dobe sa rýchly rozvoj umelej inteligencie stal výzvou pre životné prostredie. Očakáva sa, že spotreba elektriny v dátových centrách, ktoré prevádzkujú tieto technológie, bude vzrastať o 15 percent ročne do roku 2030. Toto tempo prekonáva rast elektrickej spotreby v ostatných sektoroch viac než štyrikrát. Hersam objasnil, že inovácia zariadenia, ktoré je schopné odlišovať očakávané od neočakávaného, by mohla hrať kľúčovú úlohu v znižovaní tejto spotreby.
Úspešne testovanie nového zariadenia
V rámci experimentu tím zo Northwestern University dosiahol významné úspechy, keď zariadenie dokázalo v milisekundách rozoznať abnormálne srdcové rytmy s presnosťou prevyšujúcou 98 percent. Zariadenie ignorovalo normálne srdcové údery, čím šetrilo čas a výpočtové operácie. Celý mechanizmus fungoval dvakrát rýchlejšie v porovnaní s bežnými metódami umelej inteligencie a vyžadoval až desaťtisíckrát menej počítačových operácií.
Takýto model zaujímavo staví na biologických neurónových sieťach, pričom jeho nasadenie má potenciál v medicínskej diagnostike a ďalších aplikáciách, kde je potrebná vysoká rýchlosť zpracovania a efektivita šetrenia energetických zdrojov.
