Ερ:
Πώς μπορούν τα νέα μάρκες MIT να βοηθήσουν στα νευρωνικά δίκτυα;
ΕΝΑ:Οι νέες επιστημονικές εργασίες σχετικά με τα νευρωνικά δίκτυα ενδέχεται να μειώσουν τις ανάγκες τους σε ενέργεια και πόρους μέχρι το σημείο που οι μηχανικοί θα μπορούσαν να βάλουν τις δυνατότητές τους σε πολύ πιο ποικίλα σύνολα συσκευών.
Αυτό μπορεί να έχει τεράστιο αντίκτυπο στα πάντα στη ζωή μας, από το πώς προετοιμάζουμε φαγητό στο πώς θα πάμε στο γιατρό ή πώς φτάνουμε με τα αυτοκίνητά μας ή με τα μέσα μαζικής μεταφοράς.
Σκεφτείτε πώς τα smartphones άλλαξαν τη ζωή μας - τότε σκεφτείτε να ενσωματώσετε τεχνολογίες μηχανικής μάθησης και τεχνητής νοημοσύνης σε αυτές τις μικρές, φορητές συσκευές.
Ορισμένα από αυτά τα πρωτοποριακά έργα εκτίθενται στο MIT, όπου κάποιοι ηλεκτρολόγοι και μαθητές υπολογιστών εξετάζουν πώς να βελτιώσουν το σχεδιασμό και την κατασκευή συστημάτων AI / ML.
Συγκεκριμένα, οι προσπάθειες του Abhishek Biswas, ενός μεταπτυχιακού φοιτητή MIT, και των διαφόρων συναδέλφων του, παίρνουν μεγάλη προσοχή στον τεχνολογικό τύπο.
Το Techcrunch μιλά για το πώς η εξέλιξη της επιστήμης των νευρωνικών δικτύων θα μπορούσε να προωθήσει την «υπολογιστική τεχνολογία στην άκρη» και να θέσει πιο ισχυρές τεχνολογίες σε φορητές συσκευές με μπαταρία.
Ο Forbes λέει ότι η ανακάλυψη του Biswas θα μπορούσε να «βάλει τεχνητή νοημοσύνη στο μπλέντερ σας».
Γενικά, οι πρόοδοι των επιστημόνων του MIT κάνουν κύματα εν μέρει επειδή είναι προφανές πώς αυτά τα επιτεύγματα μπορούν να επηρεάσουν τις καταναλωτικές μας τεχνολογίες, καθώς και εκείνες που χρησιμοποιούνται για κυβερνητικούς ή επιχειρηματικούς σκοπούς.
Ουσιαστικά, ο τύπος της εξέλιξης του επεξεργαστή που περιγράφει ο Biswas έχει να κάνει με τις λειτουργίες συν-εντοπισμού σε ένα περιβάλλον τσιπ. Σε άρθρο του Science Daily, ο συγγραφέας εξηγεί πώς οι περισσότεροι παραδοσιακοί επεξεργαστές έχουν μνήμη που είναι αποθηκευμένη εκτός της περιοχής επεξεργασίας και τα δεδομένα μεταφέρονται προς τα εμπρός και πίσω. Ωστόσο, αυτή η ανάγκη για την κίνηση αποθηκευμένων δεδομένων μνήμης απαιτεί πολλή ισχύ.
Ο Biswas μιλάει για το "dot προϊόν" ή πυρήνα λειτουργία που βοηθά νευρωνικά δίκτυα δουλειά. Αυτοί οι επιστήμονες εξετάζουν επίσης τη χρήση δυαδικών βαρών για την απλοποίηση των συστημάτων - και αυτή η ιδέα υπήρξε πραγματικά ένα θεμελιώδες τμήμα της επιστήμης των υπολογιστών από τότε που επινοήθηκαν οι πρώτοι προσωπικοί υπολογιστές.
Προωθώντας αυτές τις αλλαγές υλικού, οι επιστήμονες παρέχουν μεγαλύτερη ευελιξία στα εργαλεία μηχανικής μάθησης και τεχνητής νοημοσύνης που αλλάζουν τον τρόπο με τον οποίο χρησιμοποιούμε τεχνολογίες. Με τη μετάβαση από τον καθαρά προσδιοριστικό γραμμικό προγραμματισμό σε ένα σύστημα όπου οι υπολογιστές μιμούνται την ανθρώπινη εγκεφαλική δραστηριότητα, πρόκειται να ξεκινήσουμε μια νέα περιπέτεια με πολύ πιο ισχυρές τεχνολογίες στα χέρια μας.
