นักวิทยาศาสตร์และวิศวกรยังคงผลักดันขอบเขตของสิ่งที่สามารถทำได้ด้วยปัญญาประดิษฐ์ (AI) โดยในช่วงไม่กี่ปีที่ผ่านมา พบว่ามีการเติบโตที่น่าประทับใจในด้านต่างๆ เช่น การรู้จำเสียงและการประมวลผลภาษาธรรมชาติ แต่ผู้เชี่ยวชาญเห็นพ้องต้องกันว่าความล้ำสมัยในปัจจุบันยังคงขาดหายไปจากเครื่องคิดที่ปรากฎในนิยายวิทยาศาสตร์อย่างกว้างขวาง หัวหน้านักวิทยาศาสตร์ด้าน และผู้ได้รับรางวัล
จากงานวิจัย
ของเขาเกี่ยวกับการเรียนรู้เชิงลึกที่มหาวิทยาลัยนิวยอร์กกล่าวว่า “AI นั้นดีมากสำหรับการแก้ปัญหาที่เฉพาะเจาะจงมาก ตราบใดที่มีข้อมูลเพียงพอในการฝึกอบรมระบบ” “แต่ระบบในปัจจุบันไม่เข้าใจว่าโลกทำงานอย่างไร และนั่นคือสิ่งที่จำเป็นในการตระหนักถึงการใช้งานที่เปลี่ยนแปลงได้
เช่น หุ่นยนต์ในบ้าน ผู้ช่วยเสมือนจริง และรถยนต์ไร้คนขับที่ขับเคลื่อนด้วยตัวเองอย่างสมบูรณ์” นักวิทยาศาสตร์ระดับแนวหน้าของการวิจัย AI ยังคงหาวิธีเปลี่ยนกระบวนทัศน์จากการคำนวณตัวเลขที่ขับเคลื่อนด้วยข้อมูลไปสู่การคิดที่เหมือนมนุษย์โดยสัญชาตญาณมากขึ้น นักวิจัยส่วนใหญ่เชื่อว่ามีบทบาท
สำหรับอัลกอริธึมคอมพิวเตอร์ที่เลียนแบบสมองทางชีวภาพ โดยเครือข่ายประสาทเทียมกลายเป็นแนวทางหลักในการแก้ปัญหาผ่านการลองผิดลองถูกมากกว่าการเขียนโปรแกรมตามกฎ “ในช่วงไม่กี่ปีที่ผ่านมา มีความก้าวหน้าอย่างมากในการเรียนรู้แบบดูแลตนเอง ซึ่งระบบสามารถเรียนรู้เพื่อแสดงข้อมูล
สำหรับงานเฉพาะโดยไม่ต้องผ่านการฝึกอบรม” “เมื่อการเรียนรู้แบบดูแลตนเองสามารถทำงานได้ทั่วๆ ไป เครื่องจักรจะสามารถเรียนรู้ว่าโลกทำงานอย่างไรโดยการดูวิดีโอ ซึ่งเปิดประตูสู่การแก้ปัญหาได้ง่ายกว่าที่เราทำได้ในทุกวันนี้” ในขณะที่ เชื่อว่าโครงข่ายประสาทเทียมที่ทำงานบนชิปคอมพิวเตอร์มาตรฐาน
เป็นเส้นทางที่ดีที่สุดในการสร้างระบบ AI ยุคหน้า คนอื่นๆ แย้งว่าการสร้างโปรเซสเซอร์ที่เลียนแบบการทำงานของสมองชีวภาพจะทำให้ระบบ AI มีประสิทธิภาพมากขึ้นและใช้พลังงานน้อยลงด้วย ระบบการประมวลผลแบบ ดังกล่าวโดยทั่วไปใช้ประโยชน์จากวงจรอะนาลอกเพื่อสร้างเซลล์ประสาทซิลิคอนเทียม
และวงจร
อะนาลอก/ดิจิตอลสัญญาณผสมเพื่อใช้โครงข่ายประสาทเทียมที่พุ่งพล่าน วงจรนิวโรมอร์ฟิคเหล่านี้ได้รับการออกแบบมาเพื่อจำลองวิธีที่ไซแนปส์และเซลล์ประสาทในสมองสว่างขึ้นระหว่างการทำงานของระบบประสาท ผู้อำนวยการสถาบัน แห่งมหาวิทยาลัย และหัวหน้าบรรณาธิการของวารสาร กล่าวว่า
“ในสมองของเราไม่มีความแตกต่างระหว่างอัลกอริธึมเชิงนามธรรมกับพื้นผิวการประมวลผล” , คอมพิวเตอร์และวิศวกรรม “เราแยกซอฟต์แวร์และฮาร์ดแวร์ออกจากกันในวิทยาการคอมพิวเตอร์ แต่ในการประมวลผลแบบนิวโรมอร์ฟิกนั้นมีการรวมทั้งสองอย่างเข้าด้วยกัน เพื่อให้ได้โซลูชันที่เหมาะสมที่สุด
เราจำเป็นต้องออกแบบสถาปัตยกรรมและซับสเตรตคอมพิวเตอร์ร่วมกัน” ผู้สนับสนุนสำหรับการประมวลผลแบบ เชื่อว่าในบางสถานการณ์ระบบที่ได้รับแรงบันดาลใจจากชีวภาพเหล่านี้มีศักยภาพที่จะมีประสิทธิภาพเหนือกว่าเทคโนโลยีดิจิทัลมาตรฐาน “สามารถนำไปใช้เป็นสถาปัตยกรรมคู่ขนาน
ขนาดใหญ่
ที่เซลล์ประสาทเทียมอยู่ในสถานะต่างๆ และพร้อมที่จะทำงานภายในเวลาไม่กี่ไมโครวินาที ให้การตอบสนองที่รวดเร็วกว่าปกติด้วยการคำนวณแบบดิจิทัล” “สถาปัตยกรรมนิวโรมอร์ฟิกแบบอะนาล็อก/ดิจิทัลยังแสดงให้เห็นว่าใช้พลังงานในช่วงไมโครวัตต์ ซึ่งเป็นลำดับความสำคัญที่ต่ำกว่า
โปรเซสเซอร์ดิจิทัลทั่วไป” เชื่อว่าจุดที่น่าสนใจสำหรับระบบ อยู่ที่แอปพลิเคชันที่ต้องการเวลาแฝงต่ำและพลังงานต่ำ เช่น การประมวลผลข้อมูลเซ็นเซอร์ที่แปลเป็นภาษาท้องถิ่น “มันเหมาะกับการประมวลผลข้อมูลการสตรีมอย่างต่อเนื่องแบบเรียลไทม์” เขากล่าว “นั่นอาจเป็นระบบการมองเห็น
สำหรับการจดจำท่าทาง หรือตรวจจับว่ามีคนพลัดตกบ้านหรือไม่ สำหรับการตรวจสอบสัญญาณทางชีวการแพทย์ ระบบนิวโรมอร์ฟิกพลังงานต่ำที่ติดตั้งบนสายรัดข้อมือ ‘สวมใส่แล้วลืม’ สามารถตรวจจับความผิดปกติใดๆ และเพิ่มการแจ้งเตือนโดยไม่จำเป็นต้องเชื่อมต่อกับโทรศัพท์มือถือ”
แต่ ไม่เชื่อว่าการคำนวณทางประสาทจะต้องเป็น เพื่อให้มีประสิทธิภาพ “ฉันสนใจ แต่ฉันไม่เชื่อ” เขากล่าว “คำถามคือว่าคุณควรใช้ประโยชน์จากความก้าวหน้าของเทคโนโลยีดิจิทัลหรือพยายามทำตามปรัชญาของนิวโรมอร์ฟิค” ในขณะที่ ยอมรับว่าระบบ สามารถมีบทบาทในการประมวลผลข้อมูลเซ็นเซอร์
ที่ขอบของเครือข่าย เขาเชื่อว่าเทคโนโลยีอะนาล็อกในปัจจุบันมีข้อเสียพื้นฐานสำหรับการสร้างเครือข่ายประสาทที่ใหญ่ขึ้น “อาจมีเหตุผลที่ดีที่สมองจะพุ่งสูงขึ้น แต่มันอาจไม่ได้แปลเป็นอุปกรณ์อิเล็กทรอนิกส์และซอฟต์แวร์” เขากล่าว มุมมองที่แตกต่างกันเหล่านี้จะออกอากาศในการอภิปรายเสมือนจริงเรื่อง”
อนาคตของการประมวลผลประสิทธิภาพสูง: ระบบ คือคำตอบหรือไม่” โดยสามารถรับชมสดได้ในวันจันทร์ที่ 7 มีนาคม 2565 เวลา 16.00 น. GMT จากนั้นตามสั่ง LeCun จะอยู่ในมุมของผู้คลางแคลง พร้อมด้วย ศาสตราจารย์และหัวหน้านักวิทยาศาสตร์ ซึ่งเป็นบริษัทที่ออกแบบโปรเซสเซอร์กราฟิก
คอมพิวเตอร์ที่รองรับระบบ AI จำนวนมากในอีกด้านหนึ่งของการอภิปรายคือ ผู้ก่อตั้งและผู้อำนวยการห้องปฏิบัติการ ที่มหาวิทยาลัยสแตนฟอร์ด โบอาเฮนและทีมงานของเขากำลังพัฒนาเซลล์ประสาทเทียมที่ใช้ซิลิกอนเพื่อเลียนแบบวิธีการทำงานของสมอง และได้สาธิต ซึ่งเป็นแผงวงจรที่ประกอบด้วย
ชิป 16 ชิ้น ซึ่งแต่ละชิ้นมีวงจรอะนาล็อกสำหรับเซลล์ประสาทเทียมมากกว่า 65,000 เซลล์“เราได้สร้างแบบจำลองฮาร์ดแวร์ของระบบประสาทเพื่อเรียนรู้เกี่ยวกับวิธีการทำงานของสมอง ซึ่ง ช่วยให้เราทดสอบแนวคิดว่าความรู้ความเข้าใจสามารถมาจากคุณสมบัติของเซลล์ประสาทได้อย่างไร”โบเฮนอธิบาย
