Het Korea Advanced Institute of Science and Technology (KAIST) heeft een self-learning memristor ontwikkeld die menselijke hersensynapsen repliceert, AI-computerefficiëntie en lokale verwerking bevordert.
Memristors, of ‘geheugenweerstanden’, worden aangeprezen als de beste kandidaten voor het nabootsen van synapsen in neuromorfe computers. De nieuwste ontwikkeling van Kaist overtreft eerdere pogingen en biedt verbeterde synapsreplicatie. Deze doorbraak kan AI in staat stellen om lokaal te werken, waardoor energie -efficiëntie en taakverbetering in de loop van de tijd wordt verhoogd.
In 1971 theoretiseerde Leon Chua het bestaan van een vierde fundamenteel computerelement – een memristor. Deze component kan gegevens opslaan, zelfs wanneer het wordt uitgeschakeld, waardoor het fundament van neuromorf computergebruik wordt gevormd. Memristors kunnen tegelijkertijd gegevensopslag en -berekening verwerken, verwant aan het menselijk brein. Sinds hun ontdekking in 2008 hebben onderzoekers wereldwijd memristorcapaciteiten verfijnd om hersenachtige computers te creëren.
In januari 2025 kondigde Kaist een memristor aan die fouten corrigeert en van hen leert, waarbij eerder uitdagende neuromorfe taken worden opgelost. Deze chip kan bijvoorbeeld bewegende afbeeldingen van achtergronden scheiden tijdens videoprocedure en verbetert in de loop van de tijd. De doorbraak was gedetailleerd in Natuurelektronica.
Deze AI leert je lichaam en maakt je diabetes te slim af
KAIST beweert dat deze memristor lokale AI -verwerking mogelijk maakt, de afhankelijkheid van cloudservers omzeilt en de privacy en energie -efficiëntie verbetert. Onderzoekers Hakcheon Jeong en Seungjae Han vergeleken dit systeem met een slimme werkruimte, waar alle taken plaatsvinden op een enkele, efficiënte locatie.
KAIST heeft ook de eerste AI Superconductor-chip ontwikkeld, die op ultrahoge snelheden loopt met minimaal stroomverbruik. Door de efficiëntie van de hersenen na te bootsen, voert deze chip een miljard miljard operaties per seconde uit met slechts 20 watt vermogen.
Verbeterde memristors verplaatsen ons naar een brain-on-a-chip, waardoor de AI-ontwikkeling versnelt en mogelijk de technologische singulariteit nadert. Het bereiken van echte mensachtige intelligentie in AI blijft echter een complexe uitdaging.
Hoewel de hype rond de technologische singulariteit misschien een beetje overdreven is, is Kaist’s AI Superconductor-chiphyper-focussen op energie-efficiëntie en snelheid, met een bruikbaarheid die real-world toepassingen zou kunnen aansturen lang voordat we skynet territorium raken.
Onder het kersendak van de memristor-hype werkt het vermogen van Kaist lokaal, wat het ethische slinger weggaat van centrale wolkenbesturing. Als dit de norm wordt, zouden bedrijven die AI moeten gebruiken, hun activiteiten wegspelen van de controle van grote wolken.
Het echte vlees ligt in het scheiden van bewegende beelden van statische achtergronden-een kleine taak op papier, maar cruciaal in echte toepassingen zoals voertuig- en drone-navigatie. Vroeger was deze taak een strenge test voor neuromorfe chips, maar de nieuwste techniek van Kaist bewijst dat het klaar is voor het hoofdpodium.
