我們剛剛創造了一個人造突觸，它可以自主學習
一組研究人員已經開發出能夠自主學習的人工突觸，並能大幅度提高人工神經網絡學習的速度。
模仿大腦
人工智能的發展和進步在很大程度上歸功於模仿人腦工作方式的技術。在信息技術的世界裡，這樣的人工智能系統被稱為神經網絡。訓練算法是神經網絡不可缺少的，訓練算法用來模擬大腦的工作方式。識別語音和圖像等等但是，運行人工神經網絡消耗大量的時間和精力。
現在，來自法國國家科學研究中心在泰勒斯和埃弗裡已經研究出來一種叫做記憶器的人工突觸，它可以直接放在芯片上。這個人工突觸為需要更少的時間和精力學習的智能系統鋪平了道路，並且它可以自主學習。
在人類大腦中，突觸起連接作用。神經元之間。這些突觸被刺激的越多，連接就會得到加強，學習的速度包括記憶力也會越深刻。記憶器的工作方式類似。它是由一個薄薄的鐵電層(可以是自發極化的)封閉在兩個電極之間的。利用電壓脈衝，它們的電阻可以被調節，就像生物神經元一樣。當阻力低時，突觸連接會很強，反之亦然。記憶器的學習能力是基於這種可調式電阻。
在人類大腦中，突觸起連接作用。神經元之間。這些突觸被刺激的越多，連接就會得到加強，學習的速度包括記憶力也會越深刻。記憶器的工作方式類似。它是由一個薄薄的鐵電層(可以是自發極化的)封閉在兩個電極之間的。利用電壓脈衝，它們的電阻可以被調節，就像生物神經元一樣。當阻力低時，突觸連接會很強，反之亦然。記憶器的學習能力是基於這種可調式電阻。 更好的人工智能
在過去的幾年裡，雖然距離我們期望的目標還遠，但是人工智能已經有了很大發展。用學習算法構建的神經網絡現在能夠執行合成系統以前無法完成的任務。例如，智能系統現在可以作曲, 玩遊戲和打敗人類玩家，人工智能甚至可以區分什麼是合法的，什麼是不合法的.
這都要歸功於人工智能的學習能力，它唯一的限制是它所花費的時間和精力。使用記憶器，可以大大改善學習過程。關於記憶器的工作還在繼續，特別是在探索優化其功能的方法方面。首先，研究人員成功地建立了一個物理模型，以幫助預測它是如何工作的。
很快，我們可能會有人工智能系統，它可以像我們的大腦一樣學習--甚至超越人類大腦。
分享到:
閱讀更多 科學早知道 的文章
