Nove raziskave kažejo, kako bi lahko računalniki, podobni možganom, spremenili blockchain in AI

Raziskovalci iz Technische Universität Dresden v Nemčiji so nedavno objavili prelomno raziskavo, ki prikazuje novo materialno zasnovo za nevromorfno računalništvo, tehnologijo, ki bi lahko imela revolucionarne posledice tako za blockchain kot za AI.

Z uporabo tehnike, imenovane "reservoir computing", je skupina razvila metodo za prepoznavanje vzorcev, ki uporablja vrtinec magnonov za izvajanje algoritemskih funkcij skoraj v trenutku.

Ne le, da so raziskovalci razvili in preizkusili nov material rezervoarja, ampak so tudi dokazali potencial za nevromorfno računalništvo, da deluje na standardnem čipu CMOS, kar bi lahko premagalo verigo blokov in umetno inteligenco (AI).

Klasični računalniki, kot so tisti, ki poganjajo pametne telefone, prenosne računalnike in večino svetovnih superračunalnikov, uporabljajo binarne tranzistorje, ki so lahko vklopljeni ali izklopljeni (izraženi kot »ena« ali »ničla«).

Nevromorfni računalniki uporabljajo programabilne fizične umetne nevrone za posnemanje organske možganske aktivnosti. Namesto obdelave binarnih podatkov ti sistemi pošiljajo signale prek različnih vzorcev nevronov z dodanim faktorjem časa.

Razlog, zakaj je to pomembno zlasti za področje blockchaina in umetne inteligence, je, ker so nevromorfni računalniki v osnovi primerni za prepoznavanje vzorcev in algoritme strojnega učenja.

Binarni sistemi za računanje uporabljajo logično algebro. Iz tega razloga klasični računalniki ostajajo neizpodbijani, ko gre za drobljenje številk. Ko pa gre za prepoznavanje vzorcev, zlasti kadar so podatki šumni ali manjkajo informacije, imajo ti sistemi težave.

To je razlog, zakaj klasični sistemi potrebujejo veliko časa za reševanje zapletenih kriptografskih ugank in zakaj so popolnoma neprimerni za situacije, ko nepopolni podatki preprečujejo rešitev, ki temelji na matematiki.

V sektorjih financ, umetne inteligence in transporta je na primer neskončen dotok podatkov v realnem času. Klasični računalniki se spopadajo z zaprtimi težavami - izziv avtomobilov brez voznika, na primer, se je do zdaj izkazal za težko zmanjšati na niz "resničnih/napačnih" računskih težav.

Vendar so nevromorfni računalniki zgrajeni za reševanje problemov, ki vključujejo pomanjkanje informacij. V transportni industriji je klasičnemu računalniku nemogoče predvideti tok prometa, ker je preveč neodvisnih spremenljivk. Nevromorfni računalnik se lahko nenehno odziva na podatke v realnem času, ker podatkovnih točk ne obdeluje eno za drugo.

Namesto tega nevromorfni računalniki vodijo podatke prek konfiguracij vzorcev, ki delujejo podobno kot človeški možgani. Človeški možgani utripajo posebne vzorce v povezavi s posebnimi živčnimi funkcijami, tako vzorci kot funkcije se lahko sčasoma spremenijo.

Povezano: Kako kvantno računalništvo vpliva na finančno industrijo?

Glavna prednost nevromorfnega računalništva je, da je v primerjavi s klasičnim in kvantnim računalništvom njegova raven porabe energije izjemno nizka. To pomeni, da bi lahko nevromorfni računalniki znatno zmanjšali stroške v smislu časa in energije, ko gre za delovanje verige blokov in rudarjenje novih blokov na obstoječih verigah blokov.

Nevromorfni računalniki bi lahko zagotovili tudi znatno pospešitev sistemov strojnega učenja, zlasti tistih, ki se povezujejo s senzorji iz resničnega sveta (avtomobili, ki se sami vozijo, roboti) ali tistih, ki obdelujejo podatke v realnem času (analiza kripto trga, prometna vozlišča).

Zberite ta članek kot NFT ohraniti ta trenutek v zgodovini in pokazati svojo podporo neodvisnemu novinarstvu v kripto prostoru.