Det verkar alltid för oss att algoritmer för konstgjord intelligens utför vissa uppgifter, inte bara snabbare än människor, utan mycket snabbare. Men paradoxalt nog, ju mer konstgjord intelligens liknar den mänskliga hjärnan, desto bättre fungerar det.
Ett team av ingenjörer på IBM har byggt ett fysiskt neuralt nätverk som bokstavligen liknar mänskliga neuroner. När ingenjörerna testade AI-algoritmen på en ny typ av ledningar fann de att den utför uppgifter med samma effektivitet som konventionella neurala nätverk, men använder 100 gånger mindre energi.
Om sådana neuralkablar slår rot kommer snart artificiell intelligens att kunna göra mycket fler beräkningar och spenderar mycket mindre energi. Problemet är att datorchips och neurala nätverksalgoritmer talar två olika språk, och som ett resultat är de långsammare. Men i det nya systemet passar hårt hår och programvara perfekt ihop, och därför slutför det nya AI-systemet alla uppgifter snabbare utan att äventyra noggrannheten.
Detta är ett steg mot att bygga kiselbaserade nervnätverk. Vanligtvis fungerade inte sådana AI-system lika bra, men den nya studien simulerade två typer av neuroner: en var ansvarig för snabb beräkning, den andra skapades för att lagra långsiktig information.
Det finns naturligtvis vissa tvivel om påståenden från forskare som hävdar att svaret på att skapa en fungerande konstgjord intelligens är att återskapa den mänskliga hjärnan. I stort sett vet vi fortfarande inte hur hjärnan fungerar. Och det finns en möjlighet att mycket av det som finns i vår hjärna kommer att vara värdelöst för datorn.
Ändå visar ny forskning att den fysiska strukturen hos mänskliga nervceller kan ge en hel del användbara saker för algoritmer för konstgjord intelligens, och under moderna förhållanden är energibesparing ett viktigt villkor för att alla system ska fungera optimalt.
