Scienza, reti neurali e sinapsi artificiali: calcoli superveloci a consumi ridotti

54
E’ stato sviluppato un nuovo hardware di intelligenza artificiale in grado di effettuare calcoli un milione di volte piu’ velocemente rispetto alle alternative precedenti, utilizzando inoltre quantitativi energetici significativamente inferiori. A riuscirci gli scienziati del Massachusetts Institute of Technology, che hanno pubblicato un articolo sulla rivista Science per rendere noti i risultati del loro lavoro. Il team, guidato da Jesus’s A. del Alamo, ha considerato una nuova area dell’intelligenza artificiale chiamata deep learning analogico, che consente calcoli piu’ veloci e consumi ridotti. I ricercatori hanno ideato una rete di neuroni e sinapsi artificiali che puo’ essere addestrata per svolgere attività di intelligenza artificiale complesse, come il riconoscimento delle immagini e l’elaborazione del linguaggio naturale. Gli esperti hanno utilizzato un materiale inorganico pratico nel processo di fabbricazione che consente ai dispositivi di lavorare un milione di volte piu’ velocemente rispetto alle controparti umane. Compatibile con le tecniche di fabbricazione del silicio, il nuovo materiale potrebbe aprire la strada all’integrazione nell’hardware di elaborazione commerciale per applicazioni di apprendimento profondo. “Questo lavoro – afferma del Alamo – ha portato a risultati davvero promettenti, riducendo il consumo di energia necessaria per le operazioni e incrementando enormemente le capacita’ di calcolo”. L’elemento chiave della nuova tecnologia del processore analogico e’ un insieme di resistori programmabili protonici, disposti in una matrice. Realizzati in vetro fosfosilicato inorganico, questi elementi sono caratterizzati da una buona conduttivita’ protonica a temperatura ambiente, e possono resistere a campi elettrici pulsanti molto forti. “I nostri risultati potrebbero aprire numerose prospettive – conclude Bilge Yildiz, altra firma dell’articolo e collega di Del Alamo – ad esempio ottimizzando hardware e reti neurali profonde. Siamo entusiasti dei risultati preliminari”.