Deep learning analogico in grado di funzionare come un cervello umano? Effettivamente sembra essere proprio così, in quanto tutto ciò è la risposta alla domanda che molti si chiedono riguardo alle machine learning: sarà possibile aumentare la loro potenza di elaborazione dei risultati? Grazie a questo cervello, e utilizzando dispositivi elettronici simili ai neuroni, è possibile avere questo potenziamento in grado di rendere le machine learning decisamente più efficienti.
Non solo, perché il modello proposto è stato nettamente migliorato da Murat Onen di MIT e dal suo team per rendere questo cervello ancora più veloce. Questa decisione era stata presa dopo aver constatato che la soluzione proposta non era propriamente così veloce come ci si aspettava e questo ha portato a nuove azioni da effettuare su esso. Il tutto grazie a un nuovo elettrolita che ha decisamente cambiato le carte in tavola.
Deep learning analogico in grado di apprendere più velocemente con il nuovo elemento
Tutto ciò a cosa servirà? Quali saranno i progetti per il futuro? Sicuramente, alla base, ci sarà uno studio massivo dei componenti di questo cervello analogico che, come già spiegato, imita le connessioni tra neuroni formando le deep neural network. Questo processo è dato maggiormente grazie ai resistori protonici programmabili, componentistica del cervello analogico, in grado di essere stabilito dall’uomo attraverso algoritmi di training. Ciò permetterà di scoprire sempre nuove caratteristiche, che porteranno al ridimensionamento dello stesso per l’eventuale inserimento in altri piccoli dispositivi.
“Ottenuto il processore analogico, non alleneremo reti su cui tutti attualmente lavorano. Saranno invece di complessità mai viste che nessuno si può permettere, e quindi che supereranno tutte le altre. In altre parole, questa non è una macchina più veloce, questa è un’astronave” ha dichiarato Murat Onen sul nuovo deep learning analogico.
