I ricercatori del Corea Advanced Institute of Science and Technology (Kaist) hanno sviluppato un memristo di autoapprendimento per il calcolo neuromorfico che può correggere i propri errori, uno sviluppo dettagliato nella rivista Elettronica della natura. La base teorica per questa tecnologia risale al 1971, quando l’ingegnere elettrico e scienziato di informatica americano Leon Chua propose l’esistenza di un quarto elemento elettrico fondamentale. Accanto al resistore, al condensatore e all’induttore, Chua ha ragionato che ci deve essere anche un “memristor”, un termine creato combinando “memoria” e “resistore”. Ha descritto questo componente come in possesso di memoria non volatile, il che significa che potrebbe conservare le informazioni memorizzate anche senza una fonte di alimentazione. Questo concetto ha gettato le basi per i futuri progressi nei componenti della memoria che potrebbero replicare più da vicino le funzioni cerebrali biologiche. Mentre il Memristor è stato un costrutto teorico per decenni, la sua scoperta sperimentale da parte dei ricercatori nel 2008 ha generato un interesse significativo all’interno della comunità scientifica. A seguito di questa scoperta, Memristors è diventato un candidato leader per l’uso come sinapsi artificiali nei sistemi di elaborazione neuromorfi o simili al cervello. Il loro attributo chiave è la capacità di eseguire contemporaneamente l’archiviazione e il calcolo dei dati all’interno di un singolo componente. Questa doppia funzionalità rispecchia il modo integrato in cui le sinapsi operano nel cervello umano, in cui l’elaborazione e la memoria non sono separate fisicamente, offrendo un percorso verso la creazione di reti neurali artificiali più efficienti e potenti. Nel gennaio 2024, il presidente del Kaist Kwang Hyung Lee ha annunciato uno sviluppo di successo in questo campo. I ricercatori dell’Istituto hanno creato un Memristor in grado di imparare dai suoi errori e correggere gli errori, consentendogli di affrontare i problemi precedentemente considerati difficili per i sistemi neuromorfi. Come esempio specifico della sua capacità, il team di ricerca ha dichiarato che il nuovo chip può eseguire compiti come separare un’immagine in movimento da uno sfondo statico durante l’elaborazione video. Il sistema è progettato per migliorare la sua precisione in questo compito in quanto continua a eseguirlo nel tempo. Questo progresso facilita la performance locale dei compiti di intelligenza artificiale, riducendo la dipendenza da server remoti di calcolo del cloud. Questo spostamento nella posizione di elaborazione migliora direttamente la privacy degli utenti mantenendo i dati sul dispositivo e migliora l’efficienza energetica complessiva. Hakcheon Jeong e Seungjae Han, ricercatori di Kaist, hanno fornito un’analogia per il funzionamento del sistema in una dichiarazione stampa. “Questo sistema è come uno spazio di lavoro intelligente in cui tutto è a portata di mano invece di dover andare avanti e indietro tra scrivanie e schedari”, hanno detto. “Questo è simile al modo in cui il nostro cervello elabora le informazioni, in cui tutto viene elaborato in modo efficiente contemporaneamente in un punto.” In uno sviluppo correlato nello stesso anno, Kaist ha anche introdotto un chip di superconduttore AI. Questo chip è stato progettato per funzionare a velocità ultrate consumando una potenza minima, un altro attributo che emula l’efficienza del cervello umano. Per il contesto, il cervello umano è in grado di eseguire circa un miliardo di miliardi, o 10^18, operazioni matematiche al secondo mentre usano solo circa 20 watt di potere. Creare sistemi neuromorfici in grado di raggiungere questo livello di iper-efficienza è un obiettivo centrale del campo. Il continuo miglioramento dei memristors è considerato un passo incrementale verso la creazione di un vero cervello su un chip, una tecnologia che potrebbe accelerare le capacità di intelligenza artificiale. Questo progresso ha portato a discussioni sulla singolarità tecnologica, un punto ipotetico in cui l’intelligenza artificiale supera l’intelligenza umana. Tuttavia, la complessità del termine “intelligenza” è nota dagli scienziati, che sottolineano che la capacità di eseguire calcoli come un cervello umano non equivale a possedere tutte le funzioni del cervello. Alcune prospettive scientifiche suggeriscono che tali macchine potrebbero costituire “menti aliene”, con costruzioni neurali diverse dalla cognizione umana ma che rappresentano la propria forma di intelligenza. Al momento, il cervello umano rimane il punto di riferimento per il calcolo iper efficiente, sebbene i progressi in componenti come i memristors possano consentire all’IA di raggiungere livelli di prestazioni simili.
