Una macchina dalle potenzialità eccezionali ma con un’efficienza energetica pessima!
Iniziamo esplorando il funzionamento delle intelligenze artificiali per comprendere come uno studio scientifico recente basato sui nano fili d’argento possa migliorare le capacità delle stesse intelligenze artificiali.
In generale, un’intelligenza artificiale può essere considerata come un software ospitato su un computer o su un sistema informatico. L’intelligenza artificiale si basa sull’elaborazione di algoritmi e modelli matematici per simulare o imitare l’intelligenza umana e svolgere determinate attività cognitive.
Tuttavia, è importante sottolineare che l’intelligenza artificiale non si riduce solo al software, ma può anche includere componenti hardware specializzati per accelerare l’elaborazione dei dati, come le unità di elaborazione grafica (GPU) o i circuiti integrati specifici per l’IA (ASIC).
L’intelligenza artificiale può essere implementata in diversi contesti, tra cui applicazioni desktop, server remoti, dispositivi mobili e persino nei cloud. Pertanto, l’intelligenza artificiale non è limitata a un singolo computer, ma può essere distribuita su una rete di computer o accessibile tramite servizi online.
In sintesi, l’intelligenza artificiale è un campo vasto che comprende sia il software che l’hardware necessario per creare sistemi in grado di svolgere compiti intelligenti e apprendere dai dati.
Le più avanzate intelligenze artificiali simulano per grandi linee il funzionamento del cervello umano attraverso una Rete neurale artificiale ANN (artificial neural network).
Uno dei punti deboli della rete sono i cavi conduttori, comunemente noti come fili, insieme ad altri sistemi di trasmissione dati, che possono causare dispersione di energia e rallentamenti (ritardi) nel flusso. Questi ritardi nel flusso dati possono creare, proprio come negli esseri umani, un “ritardo cognitivo”.
Le “creature” dei maggiori modelli generativi di IA, come le famigerate ChatGPT e DALL-E sono sotto gli occhi di tutti, infatti, gli incredibili risultati raggiunti, in termini di contenuti creativi (a volte assolutamente discutibili, ma questa è un’altra storia…), impostando semplici input testuali. Ciononostante, gli attuali sistemi (in cui sono ospitate le AI) non hanno una struttura tale da permettere loro di beneficiare di alcune delle funzioni cognitive di ordine superiore tipiche del cervello umano, o meglio la memoria a breve e lungo termine.
Questa mancanza priva così le IA di quella capacità di adattamento indispensabile per il completamento del processo di apprendimento, selezione e conservazione delle esperienze acquisite.
In pratica questi superconduttori si integrano nell’elaborazione neurale. Le reti di nanofili possono essere integrate in dispositivi per l’elaborazione neurale, che sono progettati per simulare il funzionamento del cervello umano. I nanofili possono essere utilizzati per la creazione di sinapsi artificiali, che sono essenziali per l’elaborazione delle informazioni e il calcolo parallelo nell’ambito delle reti neurali. L’uso di nanofili offre una maggiore densità di connessioni e una migliore efficienza energetica rispetto alle tecnologie tradizionali.
Ma grosse novità arrivano da una eccezionale collaborazione internazionale: Alon Loeffler e Zdenka Kuncic dell’Università di Sydney, James K. Gimzewski dell’Università della California (UCLA) e Tomonobu Nakayama e Adrian Diaz Alvarez del National for Materials Science (NIMS) di Tsukuba in Giappone.
Andiamo in dettaglio
Un recente studio pubblicato su science.org ha dimostrato l’alta efficienza dell’applicazione dei nanofili d’argento. Nelle reti neurali artificiali accelera notevolmente le loro capacità computazionali, assimilandole a quelle cognitive umane.
Lo studio, descrive come una rete di nanofili d’argento altamente conduttivi, sottoposta ad una tensione elettrica, interagisce dando vita a processi sinaptici “auto-gestiti” ottimizzati, di volta in volta, in base alle differenti esigenze del momento, simulando così quelle funzioni definite “di ordine superiore” (tipiche del cervello umano appunto), che vanno dall’apprendimento alla memorizzazione, non più generica quindi, bensì selettiva e contestualizzata, esibendo così una sorta di funzione cognitiva. Una rete dalle interazioni così complesse (e secondo gli stessi ricercatori in buona parte ancora imprevedibili) da meritarsi la definizione di rete neuromorfica.
Per testarne le capacità, i ricercatori hanno sottoposto la neonata rete neuromorfica (Nanowire Networks) ad un test di verifica della memoria introdotto da Wayne Kirchner nel 1958, comunemente usato con adulti e bambini in campo psicologico: l’n-back test. L’esperimento ha confermato risultati molto simili alla media di quelli ottenuti con gli esseri umani.
Questo potrebbe essere il primo passo nello sviluppo di dispositivi di memoria di tipo neuromorfico in hardware fisici non biologici, con inevitabili ricadute nei settori della robotica e dei dispositivi di monitoraggio in ambienti imprevedibili che necessitano velocità di esecuzione. Adattabili ai contesti operativi, e quindi più veloci nel prendere decisioni, potranno però anche generare soluzioni non sempre ottimali…proprio come per un cervello umano.
Chiaramente siamo ancora distanti da una replica anche lontanamente simile alla rete neurale umana e le sue 10¹³ sinapsi, ma non dimentichiamo che per affrontare anche le distanze più grandi si comincia sempre con un primo piccolo passo…
By
O.D.B. and Roosteram
