توسط : محققان «دانشگاه لافبورو» در بریتانیا با الهام از مغز انسان تراشه جدیدی ابداع کردهاند که پتانسیل بسیار زیادی برای افزایش بهرهوری انرژی در سیستمهای هوش مصنوعی دارد. برخلاف سیستمهای معمولی که به نرمافزار متکی هستند، این تراشه میتواند دادههای متغیر در طول زمان را مستقیماً در سختافزار پردازش کند.
به گفته محققان، این رویکرد در مقایسه با روشهای نرمافزاری معمول، میتواند تا ۲۰۰۰ برابر کارآمدتر باشد، هرچند میزان دقیق این میزان بهرهوری براساس موارد استفاده متفاوت است. دکتر «پاول بوریسوف»، مدرس فیزیک و سرپرست این تیم تحقیقاتی که بودجه آن را شورای تحقیقات مهندسی و علوم فیزیکی (EPSRC) تامین کرده میگوید:
«با استفاده از فرایندهای فیزیکی و بهجای اتکا به نرمافزار، میتوانیم انرژی موردنیاز برای این نوع از وظایف را بهطور چشمگیری کاهش دهیم.»
طبق توضیحات مقاله که در مجله Advanced Intelligent Systems منتشر شده، این تراشه در آزمایشهای خود وظایف محاسباتی مانند عملیات XOR (یای انحصاری در ریاضیات)، تشخیص تصویر و پیشبینی و بازسازی زمانی را انجام داده است.
آنها سیستمی را با استفاده از مدل ریاضی Lorenz-63 که به «اثر پروانهای» معروف است با وظایفی مانند تشخیص تصاویر پیکسلی ساده اعداد و انجام عملیات منطقی پایه آزمایش کردهاند. در این آزمایشها، مدل توانسته با استفاده از دادههای پردازش شده، رفتار کوتاهمدت سیستم را با موفقیت پیشبینی کند و دادههای از دست رفته را هم بازسازی کرده است.
همچنین اعداد پیکسلی را به درستی تشخیص داده و در انجام عملیات منطقی پایه موفق بوده است. ثبت چنین نتایجی نشان میدهد که این تراشه میتواند از طیف وسیعی از وظایف مختلف پشتیبانی کند.
