A Neumann János által létrehozott, a számítógépek felépítését meghatározó modell, a Neumann-architektúra szerint a digitális számítógépek kialakításában külön egységet alkot a memória, a vezérlő, valamint a logikai egység is, a gépek pedig sorrendben, szekvenciálisan hajtják végre a megadott utasításokat. Ez a ciklikus működésű rendszer és ennek átalakított változata, a Harvard-architektúra is jól bevált az elmúlt évtizedek során a számítástechnikában, de a mesterséges intelligencia rendszerek kapcsán új megoldásokkal kísérleteznek a kutatók, olyan megoldásokkal, melyek egyre inkább az emberi agy szinapszisainak működését szimulálják a hatékonyabb adatátvitel érdekében.

Egyike ezeknek az új típusú eszközöknek az úgynevezett memrisztor, amely egy helyen valósítja meg a feladatvégzést és a memória tárolását is, vagyis a kapcsolópontokon nemcsak az elektromos jelektől függ a válaszreakció, hanem az előzetesen lezajló műveletektől is. A memrisztorok az emberi agy idegsejtjei közti információátadást biztosító szinapszisokhoz hasonlóan működnek, és jóval energiahatékonyabb megoldást nyújtanak a mesterséges intelligencia rendszerek számára. Az optimális működéshez azonban számít a beérkező feszültség nagysága is, a túl alacsony feszültség gyenge jelet, a túl magas erratikus 'viselkedést' vált ki a rendszerből. Ausztrál és japán kutatók felfedezése szerint a legideálisabb állapotot az a küszöbérték közeli elektromos áram mennyiség jelenti, ami révén a rendszer közvetlenül a káosz határán egyensúlyoz, vagyis amely éppen alatta van annak a feszültségnek, amely a kaotikus és emiatt használhatatlan kimeneti értékeket eredményezi.

"Az idegtudomány egyes teóriái szerint az emberi agy működőképes a káosz határán, amit kritikus állapotnak is neveznek."

- mondta Zdenka Kuncic, a Sydney Egyetem professzora - "Neurológusok szerint ez az az állapot, amelyben elérhetjük a maximális agyi teljesítményünket."

A kutatók által épített hálózat az idegsejtek szinapszisainak struktúráját utánozza, és a szimulációk szerint az emberi agyhoz hasonlóan a legjobb teljesítményre akkor képes, ha valahol ennek a kritikus pontnak a közelében van az elektromos jelek erőssége, ezen a ponton túl a hálózat megjósolhatatlan módon kezd viselkedni. A rendszer alapját nanodrótok adják, melyeknek találkozási pontjai egyszerre tranzisztorként és memóriatárolóként is működnek, így a működés során az előzetesen használt útvonalak emléke is raktározásra kerül, akárcsak a szinapszisok esetében. Az eszköz teljesítményét és problémamegoldó képességét egy egyszerű feladattal tesztelték a kutatók: egy kevésbé komplex hullámformát kellett bonyolultabbá alakítani. A hálózat feladatmegoldása közben a feszültség variálásával ellenőrizték a kritikus pont jelenlétét, és úgy találták, hogy a küszöbérték felett rendszerszintű váltás következik be, amely hirtelen nagyságrendekkel megnöveli a vezetőképességet.

A nanodrótok közti információáramlás a rendezetlen struktúra ellenére hatékonyan működik, mivel a kapcsolópontokon a feszültség hatására megjelenő ezüstszálak lehetővé teszik az emlékezést a rendszer számára, így az dinamikusan tudja adaptálni a működését a csomópontok közti szinkronizációval. Vagyis a hálózat saját maga rendezi el, hogy ne legyen nagy feszültségbeli visszaesés, ami lelassítaná a rendszert.

"Ezek az eredmények azt mutatják, hogy a transzport útvonalak megjelenése a komplex hálózati felépítésnek és a memrisztív kapcsolódásnak tudható be."

- írják a kutatók a Nature-ben megjelent tanulmányukban. A tesztek alapján a rendszer számára csak akkor jelent ideális körülményeket a 'káosz határa', ha bonyolultabb, absztraktabb feladatokról van szó, a legegyszerűbb esetekben a rendezettebb állapot idealisabb. A neuromorfikus nanodrót eszközöket a jövőben sokféle információfeldolgozási munkára fel lehet használni, például képek felismerésére és osztályozására is, de a memrisztorok legnagyobb előnyét, az ideiglenes memóriát és az önrendező viselkedést más területeken is lehet kamatoztatni, nem utolsósorban a mesterséges intelligencia rendszerek energiaéhségének csökkentésére.

(Fotó: Pixabay, Flickr/nichd)

További cikkek a témában:

A Microsoft kutatói szerint a világegyetem úgy működik, mint egy gépi mesterséges intelligencia Ez pedig azt is megmagyarázná, miért nem sikerült még kidolgozni egy mindent magában foglaló, egységes fizikai világképet.
A mesterséges intelligencia működése alapján fejthetjük meg, hogy miért furcsák az álmaink Egy új elmélet a neurális hálózatok tanulását vette alapul ahhoz, hogy megválaszolja, miért olyan furcsák az emberi álmok.
Mini agy az agyban - emberi módon tanul, működik és emlékezik a számítógépes eszköz Hányszor hagyjuk el a kulcsunk, felejtjük el a neveket és keverünk össze adatokat az életünk során, mégis az emberi agy a leghatékonyabb és leggazdaságosabb számítási eszköz, amelyhez hasonlót még nem sikerült építeni. Működését azonban megpróbálják utánozni a legújabb tranzisztorokban.