Gli esperti di IBM hanno raggiunto un traguardo innovativo nel campo dell’intelligenza artificiale generativa, sviluppando un nuovo approccio che sfrutta la struttura del cervello umano. I risultati di questa ricerca sono stati pubblicati sulla rinomata rivista Nature.
Le reti neurali profonde hanno dimostrato straordinari progressi nell’ambito dell’intelligenza artificiale, ma le loro architetture presentano limitazioni che ostacolano l’ottenimento di massima efficienza.
Nelle tradizionali reti neurali, i blocchi di memoria e di elaborazione dati sono separati, causando un eccessivo sovraccarico di comunicazione che ne riduce la velocità e l’efficienza complessiva.
IBM ha deciso di ispirarsi al modello ideale del cervello umano, e il risultato è un nuovo chip in cui 64 core informatici analogici interagiscono in modo stretto, emulando il funzionamento sinaptico del cervello stesso.
Questa progettazione consente di raggiungere prestazioni di alto livello mantenendo un basso consumo energetico.
Il chip ha dimostrato un’affidabilità del 92,81% nel riconoscimento delle immagini nel set di dati CIFAR-10, un risultato comparabile a quello ottenuto con le reti neurali software. Questo set di dati, proveniente dal Canadian Institute For Advanced Research, rappresenta una pietra miliare per l’addestramento di algoritmi di apprendimento automatico e visione artificiale, ed è ampiamente utilizzato nella ricerca di machine learning.
Secondo uno degli autori della ricerca, questa nuova metodologia apre nuove prospettive nell’utilizzo dell’intelligenza artificiale su dispositivi mobili e integrati, e contribuirà a ridurre notevolmente i costi energetici per i fornitori di servizi cloud.
Piani futuri prevedono l’aggiunta di blocchi digitali al chip per implementare reti neurali completamente integrate. Ciò consentirà un utilizzo ancora più efficiente dei core di calcolo analogici.
In sintesi, il nuovo chip sviluppato da IBM rappresenta un passo significativo verso la creazione di un’intelligenza artificiale efficiente dal punto di vista energetico, tratta dall’architettura del cervello umano. Questo progresso contribuirà ad ampliare le possibilità delle reti neurali e a ridurre i costi energetici.
