ایتنا - محققان آمریکایی روش جدیدی را برای ایجاد کارآمدتر و کم انرژی کردن شبکه‌های عصبی مورد استفاده توسط هوش مصنوعی ابداع کرده‌اند.

بر اساس گزارشی که توسط وب سایت علمی فرانسوی Futura Science منتشر شده است، محققان روش جدیدی با الهام از ساختار مغز انسان ابداع کرده‌اند تا شبکه‌های عصبی مورد استفاده هوش مصنوعی را کارآمدتر کنند.

در این گزارش توضیح داده شده است: "با یکپارچه سازی حافظه کاری در سراسر شبکه، سیناپس ها را می‌توان در زمان واقعی به روز کرد و تعداد عملیات پردازش داده‌ها را به میزان قابل توجهی کاهش داد."

در این گزارش اشاره شده است که «هوش مصنوعی، به‌ویژه در مرحله آموزش، انرژی زیادی را مصرف می‌کند، و این مشکل به‌قدری بحرانی شده است که ایلان ماسک پیش‌بینی کرد که به برآورد او، انرژی مورد نیاز برای هوش مصنوعی در جهان ظرف یک سال تمام خواهد شد».

اما محققان آزمایشگاه Cold Spring Harbor در ایالات متحده ممکن است راه حلی با الهام از مغز انسان پیدا کرده باشند که علیرغم محدودیت، جامع‌تر از فناوری ChatGPT است و از نظر تعامل با دنیای فیزیکی چشمگیر است. ”

کایل دارووالا، نویسنده اصلی این مطالعه، توضیح داد: «حتی در کارهایی مانند حل مسائل ریاضی و نوشتن مقاله، این تکنیک‌ها باید بر روی میلیاردها مثال آموزش داده شوند تا بتوانند به درستی اجرا شوند.»

این محقق تاکید کرد: "این یک ارتباط مستقیم بین حافظه فعال و به‌روزرسانی‌های سیناپسی ایجاد می‌کند و شواهد جدیدی را برای یک نظریه اثبات‌نشده در علوم اعصاب ارائه می‌کند که حافظه را به یادگیری و عملکرد تحصیلی مرتبط می‌کند. بنابراین، این رویکرد جدید می‌تواند قدرت محاسباتی و در نتیجه انرژی را به میزان قابل توجهی کاهش دهد. نیاز به کار با هوش مصنوعی است.» او گفت: «به گفته او.