Нейросеть-сомелье успешно прошла первые испытания
Человеческий мозг обрабатывает огромное количество информации. Когда любители вина пробуют новое вино, нейронные сети в их мозгу обрабатывают массив данных о каждом глотке. Синапсы в их нейронах срабатывают, взвешивая важность каждого бита данных — кислотность, фруктовость, горечь — перед тем, как передать их следующему слою нейронов в сети. По мере поступления информации мозг анализирует сорт вина.
Ученые хотят, чтобы системы искусственного интеллекта также умели анализировать данные, и поэтому они разрабатывают компьютерные версии нейронных сетей для обработки и анализа информации. ИИ догоняет человеческий мозг во многих задачах, но обычно потребляет гораздо больше энергии для выполнения тех же задач. Наш мозг производит эти расчеты, потребляя примерно 20 ватт энергии. Системе ИИ нужно в тысячи раз больше.
Ученые из Национального института стандартов и технологий (США) разработали новый тип оборудования для ИИ, который может потреблять меньше энергии и работать быстрее. Нейросеть уже прошла виртуальную дегустацию вин. Исследование опубликовано в журнале Physical Review Applied, о результатах сообщили в институте.
«Железо» любой системы ИИ содержит большое количество обычных кремниевых чипов, которые весьма энергоемки. Например, обучение одного современного коммерческого процессора естественного языка потребляет примерно 190 мегаватт-часов (МВтч) энергии. Примерно столько же, сколько 16 человек в США употребляют за целый год. И это до того, как ИИ проработает хоть день на работе, для которой он был обучен.
Менее энергоемким подходом было бы использование другого оборудования для создания нейронных сетей ИИ. Одним из многообещающих устройств является магнитный туннельный переход (МТП), который хорошо справляется с теми видами математики, которые использует нейронная сеть, и требует лишь «нескольких глотков энергии».
Было показано, что другие новые устройства, основанные на МТП, потребляют в несколько раз меньше энергии, чем их традиционные аппаратные аналоги. МТП также могут работать быстрее, потому что они хранят данные там же, где и производят вычисления, в отличие от обычных чипов, которые хранят данные в другом месте. Возможно, лучше всего то, что МТП уже изготавливали массово и в коммерческих целях. В течение многих лет они служили головками чтения-записи жестких дисков и сегодня используются в качестве новых компьютерных запоминающих устройств.
В данном случае инженерам нужно было понять, может ли массив МТП работать как нейронная сеть. Чтобы выяснить это, они устроили виртуальную дегустацию вин.
Как и любому ценителю вина, системе искусственного интеллекта нужно было тренировать свой виртуальный вкус. Команда обучила сеть, используя набор данных о 148 винах из трех сортов винограда. У каждого виртуального вина было 13 характеристик, таких как уровень алкоголя, цвет, флавоноиды, зольность, щелочность и магний. Каждой характеристике было присвоено значение от 0 до 1, чтобы сеть учитывала различия вин.
Затем нейросети были виртуально предоставлены 30 вин, которые она раньше не видела. Система прошла тест с успехом в 95,3%, совершив всего две ошибки.
Этот первый успех показывает, что массив устройств МТП потенциально можно масштабировать и использовать для создания новых систем искусственного интеллекта. Использование МТП в качестве синапсов искусственного интеллекта может сократить потребление энергии вдвое, если не больше. Технология особенно пригодится в таких приложениях, как «умная» одежда, миниатюрные дроны или датчики, которые обрабатывают данные в источнике.
