„Ова е мал, но значаен чекор напред за вештачката интелигенција“, вели Дмитри Струков, професор по електро и компјутерски инженеринг. Со текот на времето и со понатамошен напредок, нервното коло може да се прошири и на крајот да се прилагоди нешто слично како човековиот мозок, кој има 1015 синаптички врски.
Мозокот и понатаму останува модел за компјутерска моќ и ефикасност за инженерите како Струков и неговите колеги, поради тоа што тој може да изврши одредени функции во дел од секунда, за разлика од компјутерот на кој би му требало повеќе време и енергија.
Кои се тие функции? Па, во моментов извршувате една од нив. Како што го читате ова, вашиот мозок прави безбројни одлуки во дел од секундата за буквите и симболите што ги гледате, ја класифицира нивната форма и позиција една до друга и го одредува нивното значење во различен контекст за толку малку време колку што ви е потребно за да го прочитате овој текст. Сменете го фонтот или поставеноста на буквите и се’ уште ќе може да го прочитате и да го добиете истото значење.
Во демонстрацијата на истражувачите, нервното коло кое ја спроведува рудиментираната вештачка невронска мрежа, било во можност успешно да класифицира 3 букви ( „з“, „в“ и „н“) според нивните слики. Простото невронско коло било во можност правилно да ги класифицира сликите преку процес сличен на оној на кој ние луѓето ги препознаваме пријателите од толпа луѓе, или го одбираме вистинскиот клуч од купче слични клучеви.
Клучниот дел за оваа технологија е „мемристорот“ (комбинација од “memory“- меморија и “resistor“- отпорник) – електронска компонента чија отпорност се менува во зависност од насоката на протокот на електрично полнење. За разлика од конвенционалните транзистори кои се ослонуваат на дифузијата на електроните и нивните дупки преку полуспроводнички материјал, работата на мемристорот се заснова на движењето на јоните, слично на начинот на кој човековите нервни клетки генерираат електрични сигнали.
Но, за да може да се приближиме до функционалноста на човековиот мозок, ќе бидат потребни многу повеќе мемристори за да изградат посложени нервни мрежи кои ќе можат да ги прават истите работи што ги правиме со многу малку напор и енергија, како на пр. идентификување на различни верзии на една иста работа или пак одредување на нечие присуство врз основа на други работи од околината.
Веќе постојат потенцијални примени на оваа нова технологија, како на пр. медицинско скенирање, подобрување на системите за навигација, па дури и за пребарувања засновани на слики наместо на текст, а на долгорочен план и за создавање на компјутери со високи перформанси и уреди за складирање на меморија.
Во меѓувреме, научниците ќе продолжат да ги подобруваат перформансите на мемристорите, сложеноста на нервните кола и функционалноста на вештачката нервна мрежа. Следниот чекор ќе биде интегрирање на нервна мрежа со конвенционална полупроводничка технологија што ќе му овозможи на овој вештачки мозок да извршува посложени работи.
