- Berita Ilmu Pengetahuan

Ilmuwan Kembangkan Kecerdasan Buatan 1.000 Kali Lebih Hemat Energi

Ilmuwan Kembangkan Kecerdasan Buatan 1.000 Kali Lebih Hemat Energi Kecerdasan buatan (AI) atau yang disebut bersama dengan kecerdasan buatan digunakan oleh nyaris seluruh orang di dunia. Penggunaan AI di beragam perangkat elektronik sudah jadi kecanduan beragam kegiatan umum.

Ilmuwan Kembangkan Kecerdasan Buatan 1.000 Kali Lebih Hemat Energi

ploslabs – Kali ini penggunaan AI yang hemat daya tampaknya lebih sesuai bersama dengan kenyataan. Para peneliti di University College London (UCL) sudah menemukan langkah untuk menaikkan ketepatan sistem komputasi yang terinspirasi oleh otak.

Para peneliti sudah memanfaatkan resistor memori (memristor) untuk membuat jaringan saraf tiruan, walaupun mereka masih rentan terhadap kesalahan. Bagaimanapun, ini bisa menghemat setidaknya 1.000 kali lebih banyak daya daripada perangkat keras AI berbasis transistor konvensional.

Baca Juga : Penelitian Ilmuwan Biologi Hingga Ahli Fisika Telah Terbukti di Al-Qur’an

AI yang ada selagi ini menghabiskan banyak energi. Menjalankan mode IA bisa membuahkan 284 ton karbon dioksida atau setara bersama dengan emisi lima mobil selama jaman pakainya.

Mengganti transistor bersama dengan perangkat elektronik baru yang pertama kali diperkenalkan terhadap th. 2008 bisa mengurangi pemrosesan karbon dioksida (CO2). Pengurangan ini sesuai bersama dengan emisi perjalanan sore.

Memristor jauh lebih hemat daya daripada sistem komputasi yang ada gara-gara mempunyai kandungan memadai banyak daya komputasi didalam satu perangkat. Beberapa memristor bisa menghilangkan kebutuhan bakal akses internet.

Memristor pasti bakal jadi kasus di kemudian hari gara-gara sangat yakin terhadap internet. Para peneliti sudah mempertimbangkan perkembangan permintaan information dan susah didalam menaikkan kapasitas transmisi information terhadap selagi tertentu.

Insinyur UCL sudah menemukan bahwa akurasi bisa ditingkatkan secara dramatis bersama dengan bekerja secara merata dan seragam di seluruh penghafal dan lebih berasal dari satu subset jaringan saraf. Komputasi yang adil di seluruh jaringan bisa menjauhkan kurangnya daya yang dibutuhkan.

Memristor dianggap sebagai revolusioner saat mereka diciptakan lebih berasal dari sepuluh th. yang lalu. Memristor terhitung disebut “mata rantai yang hilang” didalam elektronik untuk melengkapi resistor, kapasitor, dan induktor. Sejak itu, hafalan dan kenangan sudah diproduksi secara komersial.

Baca Juga : Hindari Keyword Stuffing dalam Menulis Artikel SEO

Tim peneliti menyebutkan komponen memori dan perangkat bisa digunakan untuk mengembangkan sistem AI selama tiga th. ke depan. Memristor menawarkan efisiensi yang jauh lebih baik gara-gara mereka tidak hanya bekerja didalam kode biner satu dan nol, tetapi di lebih berasal dari satu tingkat bersama dengan nol didalam satu waktu, yang berarti lebih banyak Info bisa dikemas. Semua Bit.

Selain itu, memristor kerap dideskripsikan sebagai bentuk kalkulus neuromorfik (terinspirasi otak). Seperti di otak, pemrosesan dan memori diimplementasikan didalam blok bangunan adaptif yang sama, tidak sama bersama dengan sistem komputer selagi ini yang mengikis banyak daya dan data.

Dalam studi tersebut, Dr Adnan Mehonic dan mahasiswa doktoral Dovydas Joksas dan teman mereka berasal dari Inggris dan Amerika menguji pendekatan baru didalam lebih berasal dari satu model Memristor. Mereka menemukan bahwa akurasi berikut meningkat terlepas berasal dari bahan atau teknologi Memristor.

Para peneliti terhitung menemukan bahwa pendekatan mereka menaikkan ketepatan jaringan saraf. Ini berarti bahwa beberapa tugas AI tidak sesuai bersama dengan perangkat lunak yang berlangsung terhadap perangkat keras digital konvensional.

“Kami mendambakan pendekatan yang lebih umum, bukan untuk memutakhirkan perangkat, tetapi karakter sistem dan kami pikir kami menemukannya,” kata Mehonic, seperti dikutip Scitechdaily.

Dia menyebutkan penelitian menyatakan bahwa lebih berasal dari satu Memristor lebih baik berasal dari satu. Pengorganisasian jaringan saraf dan beberapa jaringan lebih kecil berasal dari jaringan besar kebanyakan mengimbuhkan akurasi yang lebih baik.

Selanjutnya, Joksas menyebutkan bahwa tehnik komputer kondang bisa diterapkan didalam konteks memristor. Keberhasilan penggunaan simulasi awal bisa secara dramatis menaikkan akurasi jaringan saraf.

Leave a Reply

Your email address will not be published. Required fields are marked *