Ang artipisyal na katalinuhan ay nagtagumpay sa mga balakid ng hardware na kagaya ng utak

Ang isang papel na may pamagat na "Surrogate gradients for analog neuromorphic computing" na inilathala sa PNAS noong Enero 2022 ng mga mananaliksik mula sa Friedrich Miescher Institute for Biomedical Research at Heidelberg University ay nagbunyag ng paraan upang maiwasan ang problemang ito. Ipinaliwanag ng grupo na ang isang algorithm ng artipisyal na katalinuhan na tinatawag na spike neural networks - na gumagamit ng natatanging signal ng komunikasyon ng utak, na kilala bilang spikes - ay maaaring matuto nang magkasama sa mga chip kung paano kompensahin ang mga pagkakaiba sa device. Kinakatawan ng papel na ito ang mahalagang hakbang patungo sa paggamit ng AI para sa imitasyong neuromorphic computing.