Исследователи из Технического университета Дрездена (Германия) недавно опубликовали прорывное исследование, демонстрирующее новую конструкцию материала для нейроморфных вычислений - технологии, которая может иметь революционное значение как для блокчейна, так и для искусственного интеллекта.
Используя технику, называемую "резервуарными вычислениями", команда разработала метод распознавания образов, который использует вихрь магнонов для практически мгновенного выполнения алгоритмических функций.
Они не только разработали и испытали новый материал для резервуаров, но и продемонстрировали возможность работы нейроморфных вычислений на стандартном КМОП-чипе, что может повлиять как на блокчейн, так и на искусственный интеллект.
В классических компьютерах, таких как смартфоны, ноутбуки и большинство мировых суперкомпьютеров, используются двоичные транзисторы, которые могут быть либо включены, либо выключены (выражаются как "единица" или "ноль").
Нейроморфные компьютеры используют программируемые физические искусственные нейроны для имитации деятельности органического мозга. Вместо обработки бинарных данных эти системы посылают сигналы по различным схемам нейронов с дополнительным фактором времени.
Причина, по которой это важно для областей блокчейна и ИИ, заключается в том, что нейроморфные компьютеры фундаментально подходят для алгоритмов распознавания образов и машинного обучения.
В двоичных системах для вычислений используется булева алгебра. По этой причине классические компьютеры остаются бесспорными при вычислении чисел. Однако при распознавании образов, особенно если данные зашумлены или в них отсутствует информация, эти системы испытывают трудности.
Именно поэтому классическим системам требуется значительное время для решения сложных криптографических головоломок и именно поэтому они совершенно не подходят для ситуаций, когда неполнота данных не позволяет найти математическое решение.
Например, в сфере финансов, искусственного интеллекта и транспорта наблюдается постоянный приток данных в режиме реального времени. Классические компьютеры с трудом справляются с закрытыми проблемами - например, задачу создания автомобилей без водителя до сих пор было трудно свести к серии вычислительных задач типа "верно/неверно".
Однако нейроморфные компьютеры специально созданы для решения задач, связанных с недостатком информации. В транспортной отрасли классический компьютер не может предсказать движение транспорта, поскольку существует слишком много независимых переменных. Нейроморфный компьютер может постоянно реагировать на данные в реальном времени, поскольку он не обрабатывает точки данных по одному разу.
Вместо этого нейроморфные компьютеры обрабатывают данные с помощью конфигураций шаблонов, которые функционируют подобно человеческому мозгу. В нашем мозге вспыхивают определенные паттерны, связанные с определенными нейронными функциями, и как паттерны, так и функции могут меняться со временем.
Основное преимущество нейроморфных вычислений заключается в том, что по сравнению с классическими и квантовыми вычислениями уровень их энергопотребления чрезвычайно низок. Это означает, что нейроморфные компьютеры могут существенно снизить затраты времени и энергии как на эксплуатацию блокчейна, так и на добычу новых блоков на существующих блокчейнах.
Нейроморфные компьютеры также могут значительно ускорить работу систем машинного обучения, особенно тех, которые взаимодействуют с датчиками реального мира (самоуправляемые автомобили, роботы) или обрабатывают данные в режиме реального времени (анализ криптовалютного рынка, транспортные узлы).
Источник
