Fizička neuronska mreža uspješno uči i pamti "u hodu", slično načinu rada moždanih neurona. Rezultat istraživanja, upravo objavljenog u časopisu Nature Communications, utire put razvoju učinkovite i niskoenergetske strojne inteligencije za složenije zadatke učenja i pamćenja u stvarnom svijetu.

Otkriće da se učenje i pamćenje inspirirano mozgom pomoću mreža nanožica mogu iskoristiti za obradu dinamičkih podataka rezultat je suradnje znanstvenika sa Sveučilišta u Sydneyu i Kalifornijskog sveučilišta u Los Angelesu (UCLA) vođenih profesoricom Zdenkom Kunčić. Fiziku je diplomirala na Sveučilištu Sydney, a teorijsku astrofiziku doktorirala na Cambridgeu i danas na matičnom fakultetu vodi projekte koji povezuju fiziku, medicinu, biologiju, neuroznanost i inženjerstvo. 

Poput dječje igre

Mreže nanožica sastoje se od sićušnih žica čiji promjer iznosi milijarditi dio metra. Žice se slažu u uzorke koji podsjećaju na dječju igru mikado, oponašajući neuronske mreže poput onih u našem mozgu. Te se mreže mogu koristiti za obavljanje specifičnih zadataka obrade informacija, objašnjava profesorica Kunčić.

Pamćenje i učenje postiže se pomoću jednostavnih algoritama koji reagiraju na promjene u elektroničkom otporu na spojevima gdje se nanožice preklapaju. Poznata kao resistive memory switching, ova se funkcija stvara kada električni ulazi naiđu na promjene u vodljivosti, slično onome što se događa sa sinapsama u našem mozgu.

Online pristup

Istraživači su u ovom slučaju koristili mrežu za prepoznavanje i pamćenje nizova električnih impulsa koji odgovaraju slikama, inspirirani načinom na koji ljudski mozak obrađuje informacije, a zadatak pamćenja sličan pamćenju telefonskog broja, objašnjava Kunčić.

"Naše prethodno istraživanje utvrdilo je sposobnost nanožičanih mreža da pamte jednostavne zadatke. Ovaj rad je proširio ove nalaze pokazujući da se zadaci mogu izvršiti korištenjem dinamičkih podataka kojima se pristupa online", kaže Kunčić.

Uzorak po uzorak

Ovo je značajan iskorak jer je postizanje sposobnosti online učenja izazovno kad je riječ o velikim količinama podataka koji se mogu neprestano mijenjati. Standardni pristup bio bi pohranjivanje podataka u memoriju i zatim treniranje modela strojnog učenja pomoću tih pohranjenih informacija. Ali to bi potrošilo previše energije za široku primjenu.

"Naš novi pristup omogućuje nanožičanoj neuronskoj mreži da uči i pamti u hodu, uzorak po uzorak, izvlačeći podatke online, čime se izbjegava velika potrošnja memorije i energije", kaže Kunčić.

U ovoj studiji neuronska mreža nanožica pokazala je referentnu sposobnost strojnog učenja, postigavši ​​93,4 posto bodova u ispravnom identificiranju testnih slika. Zadatak pamćenja uključivao je prisjećanje nizova do osam znamenki. Za oba zadatka, podaci su prebačeni u mrežu kako bi se pokazala njegova sposobnost za online učenje i način na koji pamćenje poboljšava to učenje.