コンピュータベースのAIよりも効率的にリアルタイムに学習する銀のナノワイヤーで作られた「脳」の開発に成功

The Conversation
投稿日 2023年11月2日 12:41
file 20231031 15

世界が人工知能(AI)に夢中になっているが、それには理由がある。AIシステムは、一見超人的な方法で膨大な量のデータを処理することができるからだ。

しかし、現在のAIシステムは、人工ニューラルネットワークに基づく複雑なアルゴリズムを実行するコンピューターに依存している。これらは膨大なエネルギーを消費し、リアルタイムで変化するデータを扱おうとすれば、さらにエネルギーを消費する。

私たちは、そうした「機械知能」に対し、まったく違ったアプローチから取り組んでいる。人工ニューラルネットワーク・ソフトウェアを使用する代わりに、より効率的に動作する物理的なニューラルネットワークをハードウェアで開発したのだ。

銀のナノワイヤーから作られた私たちのニューラルネットワークは、手書きの数字を認識し、数字の羅列を記憶することをその場で学習することができる。この成果は、シドニー大学およびカリフォルニア大学ロサンゼルス校の研究者らと共同で『Nature Communications』誌に発表された

小さなワイヤーのランダムなネットワーク

ナノテクノロジーを使って、我々は髪の毛の1000分の1ほどの幅の銀ナノワイヤーのネットワークを作った。これらのナノワイヤーは、棒拾いゲームにおける棒の山のように、自然にランダムなネットワークを形成する。

ナノワイヤーのネットワーク構造は、私たちの脳内のニューロンのネットワークによく似ている。我々の研究はニューロモルフィック・コンピューティングと呼ばれる分野の一部であり、ニューロンやシナプスの脳のような機能をハードウェアでエミュレートすることを目的としている。

我々のナノワイヤーネットワークは、電気信号に反応して脳のような振る舞いを示す。外部からの電気信号によって、ナノワイヤーが交差するポイントでの電気の伝わり方が変化するが、これは生物学的なシナプスの働きと似ている。

典型的なナノワイヤーネットワークでは、シナプスのような交差点が何万個も存在することがあり、これはネットワークが電気信号によって運ばれる情報を効率的に処理し、伝達できることを意味する。

リアルタイムでの学習と適応

我々の研究では、ナノワイヤーネットワークは時間的に変化する信号に反応することができるため、オンライン機械学習に使用できることを示している。

従来の機械学習では、データはシステムに投入され、バッチ処理される。オンライン学習アプローチでは、データを時間的に連続したストリームとしてシステムに導入することができる。

それぞれの新しいデータによって、システムはリアルタイムで学習し適応する。私たち人間は得意だが、現在のAIシステムは苦手とする「オン・ザ・フライ」学習を実証している。

我々のナノワイヤーネットワークが可能にするオンライン学習アプローチは、AIアプリケーションにおける従来のバッチベースの学習よりも効率的である。

バッチ学習では、大規模なデータセットを処理するために大量のメモリが必要であり、システムはしばしば同じデータを何度も処理して学習する必要がある。これは高い計算資源を要求するだけでなく、全体としてより多くのエネルギーを消費する。

我々のオンライン・アプローチでは、データが連続的に処理されるため、より少ないメモリしか必要としない。さらに、我々のネットワークは各データサンプルから一度だけ学習するため、エネルギー消費を大幅に削減し、プロセスを非常に効率的にする。

数字の認識と記憶

手書き数字のMNISTデータセットを用いたベンチマーク画像認識タスクでナノワイヤネットワークをテストした。

画像のグレースケール画素値は電気信号に変換され、ネットワークに供給された。各桁のサンプルの後、ネットワークはパターンを認識する能力を学習・改良し、リアルタイム学習を表示した。

同じ学習方法を用いて、ナノワイヤネットワークに、電話番号を記憶する過程によく似た、数字のパターンを含む記憶タスクもテストした。このネットワークは、パターン内の前の数字を記憶する能力を示した。

全体として、これらの課題は、脳のような学習と記憶をエミュレートするネットワークの可能性を示している。われわれの研究は今のところ、ニューロモルフィック・ナノワイヤ・ネットワークにできることのほんの表面をなぞったに過ぎない。


本記事は、Zdenka Kuncic氏とRuomin Zhu氏によって執筆され、The Conversationに掲載された記事「We built a ‘brain’ from tiny silver wires. It learns in real time, more efficiently than computer-based AI」について、Creative Commonsのライセンスおよび執筆者の翻訳許諾の下、翻訳・転載しています。



この記事が面白かったら是非シェアをお願いします!


  • google search
    次の記事

    Google検索で最も収益の高い検索クエリが内部文書から明らかに

    2023年11月2日 12:47
  • 前の記事

    Apple Watch Series 10に血圧と睡眠時無呼吸症候群のモニタリング機能が搭載される可能性

    2023年11月2日 12:17
    apple watch health

スポンサーリンク


この記事を書いた人
The Conversation

コメントを残す

メールアドレスが公開されることはありません。 が付いている欄は必須項目です

おすすめ記事

  • openai

    OpenAI、15秒の音声サンプルから感情豊かで自然な音声を合成できる「Voice Engine」を発表

  • a04c35e8e555c1cc7ae1d6a5f3159856

    MicrosoftとOpenAI、1000億ドル以上をかけて超人的AI開発のためのスーパーコンピューター「Stargate」を開発する計画

  • Sam Altman TechCrunch SF 2019 Day 2 Oct 3 cropped cropped

    ベンチャーキャピタリスト、OpenAIのSam Altman氏を“誇大妄想的”と非難

  • google logo image

    Googleが非営利団体を対象に2000万ドルの資金を提供し生成AI活用を支援

  • Pixel 8 in Rose.max 936x936.format webp

    Google、方針を転換しPixel 8にもGemini NanoによるオンデバイスAI機能を搭載へ

今読まれている記事