В лабораторной симуляции полета через цифровой лес, где ветер постоянно меняется, беспилотник уверенно управляется: обходит преграды, корректирует траекторию в режиме реального времени и выполняет задание с такой же ловкостью, как человек.
Система управления дрона не работает от мощного сервера и не обучается на огромных объёмах данных. Вместо этого её контролирует миниатюрный энергоэффективный чип, напоминающий мозг – новый вид искусственного интеллекта, который учится по ходу работы, как человек.
Инженеры из UCLA, Техасского университета A&M и других организаций создали революционную «Сверхтьюринговскую» модель ИИ. Она выходит за рамки обычных вычислений, имитируя мозг в его способности к адаптации во время работы.
Система основана на цепи «синаптических резисторов» – «синсторов» – из ферроэлектрического оксида гафния-циркония, позволяющая менять связи в реальном времени.
Исследование из журнала Science Advances демонстрирует, что архитектура «Сверхтьюринга» превосходит обычные искусственные нейронные сети по способности к адаптации и энергоэффективности. Потребление энергии составляет всего 158 нановатт — в 10 миллионов раз меньше, чем у типичных систем ИИ.
«Классические системы искусственного интеллекта преимущественно опираются на обратное распространение, алгоритм, применяемый для настройки нейронных сетей во время обучения. — заявил в пресс-релизе соавтор исследования, доцент кафедры электротехники и компьютерной инженерии Техасского университета А&М доктор Суин Йи. Несмотря на эффективность, этот метод биологически необоснован и нуждается в колоссальных вычислительных мощностях. ».
«В нашем исследовании мы ликвидировали этот изъян, применив из нейробиологии принципы Хеббовского обучения и синаптической пластичности. Эти механизмы дают возможность нейронам укрепить связи аналогично функционированию реального мозга. ».
От Тьюринга к Сверхтьюрингу
Большинство современных систем искусственного интеллекта, такие как автономные транспортные средства и крупные языковые модели, функционируют на базе модели вычислений Тьюринга.
Работой управляют заранее обученные фиксированные алгоритмы, иногда обучаемые в течение нескольких недель. После развертывания системы не могут изменять свою работу без повторного обучения. Такой подход затрудняет функционирование систем ИИ в непривычных условиях и требует значительных вычислительных мощностей.
Текущий искусственный интеллект подобен учащемуся, вызубрившему материал перед экзаменом, но не имеющему возможности усваивать что-либо новое во время его проведения. Человеческий мозг же непрерывно обучается и приспосабливается в процессе реального времени.
«Эти центры обрабатывают информацию с помощью энергии, измеряемой в гигаваттах, а мозг — всего лишь в 20 ваттах. «Центры обработки данных, расходующие такую огромную энергию, при нынешних методах вычислений не могут быть устойчивыми,» — объясняет доктор Йи. «Поэтому, хотя возможности искусственного интеллекта поразительны, для его функционирования все еще требуются аппаратные средства и генерация энергии».
В этом месте сверхтьюринговые вычисления оказывают помощь. Исследователи, вдохновившись адаптацией синапсов мозга в процессе обучения, создали «синсторную схему», которая использует форму зависимой от времени спайков пластичности (STDP) — биологически правдоподобное правило обучения — для обновления внутренних параметров во время обработки входных данных. В отличие от мемристоров или фазовой памяти, которым нужны отдельные этапы для обучения и вывода, синсторы способны выполнять оба процесса одновременно.
Система использует гетеропереход из WO₂.₈, Hf₀.₅Zr₀.₅O₂ и кремниевой подложки для тонкой настройки проводимости, подобно регулировке силы синапса, с высокой точностью, повторяемостью и долговечностью.
Переключатель достиг более 1,6 × 10¹¹ циклов без потери качества, а проводимость регулировалась на 1000 аналоговых уровней с точностью обучения до 36 пикосименсов. Обновления осуществлялись импульсами напряжения ±3 В в течение 10 наносекунд, что делает систему энергоэффективной и быстродействующей.
Такая возможность дает синсторной схеме работать в режиме «сверхтьюринга», постоянно обновляя внутренние веса под влиянием обратной связи от окружающей среды во время выполнения логических операций. При изменении среды, например, появлении турбулентности или препятствия, схема адаптируется в реальном времени без перерыва или внешнего обучения.
Превосходство над искусственным интеллектом и людьми
Исследователи для тестирования новой технологии сравнили дрон с синстором с двумя конкурентами в виртуальном горном ландшафте: один управляется традиционной искусственной нейронной сетью на компьютере, а другой — людьми, не знакомыми с системой дрона.
Результаты показали удивительные показатели. Схема синстора провела дрон на место назначения за меньшее время, чем человек: обучение заняло в среднем всего 4,4 секунды против 6,6 секунд для человека.
Тем временем, ИНС потребовалось более 35 часов для достижения такого же уровня, но даже тогда она постоянно терпела неудачу при изменении условий. В густых лесах с сильным ветром синстор и люди успешно уворачивались от столкновений, в то время как ИНС разбивалась каждый раз.
Энергоэффективность возросла сильнее всего. Потребительная мощность всей системы синстор супертьюринг составила всего 158 нановатт, тогда как обычный ИИ, работающий на настольном компьютере высокого класса, потреблял 6,3 ватта — различие более чем в сорок миллионов раз.
На пути к созданию машин, превосходящих человеческий интеллект.
Работа может повлиять на все сферы жизни: от беспилотников и протезов до умных устройств и освоения космоса. Системы, которым необходимо оперативно реагировать в непредсказуемых ситуациях без разряда батареи, выиграют от супертьюринговского ИИ.
Архитектура synstor упрощает масштабирование системы. Несмотря на то, что текущий прототип использует матрицу размером 8×8, команда уверена в возможности расширения технологии до схем с миллионами синсторов при помощи существующих методов нанопроизводства.
Это открытие может послужить фундаментом для нового поколения мозгоподобных компьютеров, способных не только выполнять запрограммированные функции, но и непрерывно учиться, приспосабливаться и совершенствоваться в режиме реального времени с малой энергоемкостью.
Не только быстрее, но и умнее
Продолжаясь дебаты о возможности ИИ сравниться с человеческим разумом, это исследование меняет правила игры. Вместо достижения интеллекта за счёт увеличения моделей и данных (как это делают современные генеративные модели ИИ), новый сверхтьюринговый подход стремится к наилучшим результатам с меньшими затратами.
Способность схемы без предварийтельной подготовки превосходить предварительно обученные нейронные сети в практике свидетельствует: настоящий интеллект кроется не в объёме хранящейся информации, а в способности адаптироваться при её дефиците.
«Современный ИИ, например ChatGPT, впечатляет, однако стоит очень дорого. », — говорит доктор Йи. «Сверхъюринговый искусственный интеллект сможет повлиять на разработку и применение ИИ, обеспечивая пользу как для людей, так и для окружающей среды. ».