آی‎بی‎ام در حال آزمایش هوش مصنوعی مبتنی بر سیلیکون است که از لحاظ مصرف انرژی ۱۰۰ برابر کارآمدتر است

هوش مصنوعی تقریبا در همه چیز گنجانده شده است، اما اجرای چنین سیستم‌هایی به  انرژی بسیار زیادی نیاز دارد. به همین دلیل است که شرکت‌های فناوری و محققان در سراسر جهان به طور فعال در حال تلاش برای توسعه شبکه‌های عصبی هستند که مصرف برق کمتری دارند.

برای این منظور، IBM یک چیپ جدید مبتنی بر سیلیکون را توسعه داده است که شامل تمام ویژگی‌های کلیدی شبکه عصبی بوده و از لحاظ مصرف انرژی ۱۰۰ برابر کارآمدتر از تراشه‌های موجود است.

شبکه‌های عصبی، که از کارکرد مغز انسان الهام گرفته شده، معمولا به شکل نرم افزاری نوشته شده و با دستگاه ادغام می‌شوند. ایجاد شبکه‌های عصبی در نرم افزار بسیار آسان است، اما در سخت افزار برای آنها سخت بوده است.

محققان آی‌بی‌ام سیناپس‌های میکروالکترونیک مصنوعی بر روی تراشه ای را ساخته اند که می‌توانند سیناپس‌هایی که نورون‌های فرد را در مغز متصل می‌کند، را تقلید کند. مقاله ی منتشر شده در مجله  Nature، علم اعصاب را به عنوان الهام بخش این پروژه توصیف می‌کند که در آن دو نوع سیناپس وجود دارد – کوتاه مدت برای محاسبه و درازمدت برای حافظه.

این روش چندین مسئله مهم شامل دقت کم را مطرح می‌کند که تلاش‌های قبلی برای ساخت شبکه‌های عصبی مصنوعی در سیلیکون را محدود کرده است. محققان چیپ شبکه عصبی را با اختصاص دادن دو وظیفه ساده ی دسته بندی تصویر دست خط و تصویر رنگی، مورد آزمایش قرار دادند.

نتایج شگفت انگیز بود زیرا دقت این  سیستم مانند یک شبکه عصبی مبتنی بر نرم افزار بوده  و در مقایسه تنها ۱ درصد انرژی مصرف می‌کند.

مایکل اشنایدر، پژوهشگر موسسه ملی استاندارد و فناوری گفت:

یک عامل ۱۰۰ درصدی در بهره وری انرژی و سرعت بخشی به  آموزش برای لایه‌ها، کاملا ارزش تلاش بیشتر را دارد

با این حال، آی بی ام یک راه طولانی را برای طراحی این تراشه‌ی پیشرو دارد زیرا مدل فعلی بسیار حجیم است. درون این دستگاه  پنج ترانزیستور و سه جزء دیگر در مقایسه با یک ترانزیستور در تراشه‌های استاندارد فعلی وجود دارد. این شرکت همچنین باید تست‌های بیشتری را انجام دهد زیرا جنبه‌های خاصی از سیستم فقط برای آزمایش شبیه سازی شده است.

با این وجود، این توسعه اهمیت خاص خود را دارد، زیرا می‌تواند راه را برای کامپیوترهای پیشرفته با منطق هوش مصنوعی که در هسته آن قرار دارد، هموار کند. چنین دستاوردی نه تنها برای دامنه  هوش مصنوعی، بلکه برای بخش سخت افزاری که در آن شرکت‌هایی مانند آی بی ام در حال تمرکز بر بازسازی سخت افزار کامپیوتر هستند، حیاتی خواهد بود.