Het lijkt ons altijd dat kunstmatige intelligentie-algoritmen bepaalde taken niet alleen sneller uitvoeren dan mensen, maar ook veel sneller. Maar paradoxaal genoeg, hoe meer kunstmatige intelligentie op het menselijk brein lijkt, hoe beter het werkt.
Een team van ingenieurs bij IBM heeft een fysiek neuraal netwerk gebouwd dat letterlijk lijkt op menselijke neuronen. Toen ingenieurs het AI-algoritme testten op een nieuw type bedrading, ontdekten ze dat het taken uitvoert met dezelfde efficiëntie als conventionele neurale netwerken, maar 100 keer minder energie verbruikt.
Als deze neurale bedrading wortel schiet, kan kunstmatige intelligentie binnenkort veel meer berekeningen uitvoeren en veel minder energie verbruiken. Het probleem is dat computerchips en neurale netwerkalgoritmen twee verschillende talen spreken en daardoor langzamer zijn. Maar in het nieuwe systeem passen hard en software perfect bij elkaar, en daarom voltooit het nieuwe AI-systeem alle taken sneller zonder aan nauwkeurigheid in te boeten.
Dit is een stap in de richting van het bouwen van op silicium gebaseerde neurale netwerken. Meestal werkten dergelijke AI-systemen niet zo goed, maar de nieuwe studie simuleerde twee soorten neuronen: de ene was verantwoordelijk voor snelle berekeningen, de andere was gemaakt om langetermijninformatie op te slaan.
Er zijn natuurlijk enkele twijfels over de beweringen van onderzoekers die beweren dat het antwoord op het creëren van werkende kunstmatige intelligentie is om het menselijk brein te herscheppen. Over het algemeen weten we nog steeds niet hoe de hersenen werken. En er is een mogelijkheid dat veel van wat zich in onze hersenen bevindt, nutteloos zal zijn voor de computer.
Desalniettemin toont nieuw onderzoek aan dat de fysieke structuur van menselijke neuronen veel nuttige dingen kan opleveren voor kunstmatige intelligentie-algoritmen, en in moderne omstandigheden is energiebesparing een belangrijke voorwaarde voor het optimaal functioneren van elk systeem.
