Kunstig intelligens har overvundet hjerne-lignende hardware-problemer

Forskere fra Friedrich Miescher Institute for Biomedical Research og Heidelberg University har i en artikel med titlen "Surrogate gradients for analog neuromorphic computing", der blev publiceret i PNAS i januar 2022, afsløret en måde at omgå dette problem på. Forskningsteamet demonstrerede, at en algoritme inden for kunstig intelligens kaldet spike-neurale netværk – som bruger hjernens unikke kommunikationssignaler, kendt som spikes – kan lære sammen med chips at kompensere for uoverensstemmelser mellem enheder. Denne artikel markerer et vigtigt skridt mod anvendelse af kunstig intelligens til simulering af neuromorfisk databehandling.