Большинство алгоритмов глубокого обучения требуют огромных массивов данных. Это делает их не слишком эффективными по сравнению с человеческим мозгом, которому достаточно всего нескольких примеров для приобретения нового навыка. Неудивительно, что многие исследователи пытаются создать так называемые нейроморфные чипы — устройства, которые будут наиболее точно копировать структуру мозга и, как следствие, быстрее учиться.
Свою версию нейроморфного чипа представила компания Intel. Устройство, созданное совместно со специалистами по нейрофизиологии, имитирует строение и функции обонятельных луковиц млекопитающих. Эти области мозга получают сигналы от обонятельных клеток в носу и позволяют воспринимать запахи. MIT Technology Review отмечает, что, хотя обонятельные луковицы специфичны для млекопитающих, очень похожие структуры независимо развились и у насекомых. Это говорит о высокой эффективности конструкции.
Благодаря эффективности и хорошей изученности обонятельных луковиц они стали идеальной отправной точкой для созданий нейроморфного чипа. Устройство, созданное в Intel, основано на нейронных сетях, которые активируются, если связанные с ним химические датчики фиксируют определенный запах.
В общей сложности чип научился разливать 10 запахов, причем для этого ему потребовалось намного меньше образцов, чем чипам традиционной конструкции.
Авторы отмечают, что пока разработка остается ранним прототипом. Тем не менее, в будущем она может стать основой для умных детекторов, реагирующих на присутствие взрывчатки или утечку опасных химических веществ.
Помимо усовершенствования «электронного носа», авторы также попытаются сымитировать области мозга, ответственные за другие органы чувств, например, зрение и осязание.
Австрийские ученые создали чип, способный распознавать изображения всего за 50 наносекунд. Он работает примерно так же, как глаз человека или животного — предварительно обрабатывает визуальную информацию, прежде чем передать ее мозгу. Новый сенсор в состоянии не в разы, а на порядки поднять быстродействие систем распознавания и столь же сильно снизить их энергопотребление.
