Un transistor imita il cervello umano per aiutare l’intelligenza artificiale

Sviluppato un transistor che elabora e memorizza simultaneamente le informazioni, proprio come il cervello umano: capace di apprendere per associazione, funziona ad alta velocità a temperatura ambiente, consuma pochissima energia e conserva le informazioni memorizzate anche quando viene interrotta l’alimentazione.
Questa tecnologia, che potrà aiutare l’intelligenza artificiale a non confondersi di fronte a dati complessi (ad esempio nei veicoli a guida autonoma), è descritta sulla rivista Nature dai ricercatori della Northwestern University insieme a quelli del Boston College e del Massachusetts Institute of Technology (Mit).
“Il cervello ha un’architettura fondamentalmente diversa da quella di un computer digitale”, spiega Mark C. Hersam della Northwestern University. “In un computer digitale, i dati vanno avanti e indietro tra un microprocessore e la memoria, il che consuma molta energia e crea un collo di bottiglia quando si tenta di eseguire più attività contemporaneamente. Nel cervello, invece, la memoria e l’elaborazione delle informazioni sono co-localizzate e completamente integrate, garantendo un’efficienza energetica maggiore di diversi ordini di grandezza. Allo stesso modo, il nostro transistor sinaptico raggiunge la funzionalità simultanea di memoria ed elaborazione delle informazioni per imitare più fedelmente il cervello”, prosegue.
Si tratta di un’innovazione molto importante perché nell’attuale era dei Big Data “dobbiamo ripensare l’hardware, in particolare per le attività di intelligenza artificiale e apprendimento automatico”, aggiunge Hersam.
Per realizzare il nuovo transistor, i ricercatori hanno combinato due diversi tipi di materiali ultra sottili: il grafene a doppio strato e il nitruro di boro esagonale. Dopo averli impilati, li hanno volutamente distorti: ruotando uno strato rispetto all’altro, hanno ottenuto proprietà elettroniche diverse per ciascuno strato di grafene.
Nei test, il dispositivo ha dimostrato una capacità di apprendimento associativo per cui potrebbero esserci molte applicazioni nel mondo reale. “Immaginate di usare un veicolo a guida autonoma e le condizioni meteorologiche peggiorano”, spiega Hersam. “Il veicolo potrebbe non essere in grado di interpretare i complessi dati dei sensori al pari di un conducente umano. Ma anche quando abbiamo fornito al nostro transistor un input imperfetto, è stato comunque in grado di identificare la risposta corretta”.

[email protected]