Qraz Texnologiya Universiteti tərəfindən

Sadie Harley tərəfindən redaktə edilib , Robert Egan tərəfindən nəzərdən keçirilib

 Redaktorların qeydləri

 GIST

Tercih edilən mənbə kimi əlavə edin

Qraz Texnologiya Universitetinin Maşın Öyrənməsi və Neyron Hesablama İnstitutundan Volfqanq Maass. Müəllif: Lunghammer – TU Qraz

Böyük süni intellekt sistemlərinin imkanları daim təkmilləşdirilir, lakin onlar təlim və əməliyyat zamanı çoxlu enerji sərf edirlər. İnsan beyni isə, əksinə, olduqca enerjiyə qənaətlidir: cəmi 20 vatt tələb edir.

Qraz Texnologiya Universitetinin tədqiqatçıları beynəlxalq tərəfdaşlarla əməkdaşlıq çərçivəsində çevik şəkildə planlaşdıra və mürəkkəb problemləri həll edə bilən yeni bir beyin ilhamlı süni intellekt modeli hazırlayıblar. Bunu edərkən, çoxqatlı neyron şəbəkələrinə və ya böyük dil modellərinə nisbətən xeyli az enerji sərf olunur. Tədqiqat Nature Machine Intelligence jurnalında dərc olunub .

Qraz Texnologiya Universitetinin Maşın Öyrənməsi və Neyron Hesablama İnstitutundan Volfqanq Maass deyir: “Beyin bugünkü süni intellekt sistemlərindən tamamilə fərqli şəkildə işləyir. Biz onun işləmə tərzini alqoritmlərə çevirməyə və süni intellekt sistemlərinə tətbiq etməyə çalışırıq.”

Beynin üç mexanizmi

Hipokampusun neyroelmi tədqiqatlarından ilhamlanan Maass və həmkarı Yukun Yanq insan beyninin planlaşdırma və problem həllində istifadə etdiyi üç mexanizmi müəyyən ediblər:

• koqnitiv xəritələrin yaradılması, yəni beyində mücərrəd obyektlər arasındakı əlaqələrin neyron kodları arasındakı həndəsi əlaqələrə çevrilməsi, fəza xəritəsi kimi “istiqamət hissi” təmin edir;
• stoxastik neyron hesablamaları, yəni hipotetik ssenarilərin və proqnozların davamlı nəsli;
• və kompozisiya kodlaşdırması, yəni məlumatın və fəaliyyət planlarının təkrar istifadə edilə bilən komponentlərə bölünməsi.

Bu mexanizmlərin alqoritmlərə çevrilməsi, Qraz əsaslı süni intellekt modelinə – insanlar və ya heyvanlar kimi – mürəkkəb problemləri həll etmək üçün mümkün yanaşmaları təsəvvür etməyə və sınaqdan keçirməyə imkan verir, onları həll yoluna qədər tamamilə hesablamağa ehtiyac yoxdur. Təsadüfi seçilmiş ara addım nəzərdə tutulan məqsədə doğru yönəlirsə – burada idrak xəritəsi sistemi istiqamətləndirirsə – bu yol izlənilir.

Yeni mövqeyində sistem yenidən müxtəlif fəaliyyət variantlarını qiymətləndirir və bununla da tədricən məqsədə yaxınlaşır. Yanq deyir ki, “Bu yanaşma ilə süni intellekt modelimiz yenidən təlim keçmədən dəyişmiş və ya yeni vəziyyətlərə çevik reaksiya verə bilər”.

Siluetin yığılması və sökülməsi

Tədqiqatçılar beyinlərindən ilhamlanan süni intellektlərinin imkanlarını üç tapşırıqdan istifadə edərək uğurla sınaqdan keçirdilər: ikiölçülü məkanda naviqasiya, mücərrəd, çoxölçülü məkanda istiqamətləndirmə və müxtəlif tikinti bloklarından ibarət silueti yığmaq və sökmək.

Tədqiqatçılar vurğulayırlar ki, onların yanaşması bugünkü böyük dil modelləri ilə rəqabət aparmaq üçün nəzərdə tutulmayıb, lakin müəyyən tətbiqlər üçün alternativ yanaşma üçün əsas yaradır. Maass deyir: “Biz hələ inkişafın nisbətən erkən mərhələsindəyik. Lakin işimiz göstərir ki, güclü süni intellekt mütləq böyük məlumat mərkəzləri və çoxlu miqdarda enerji tələb etmir.”

Robotlar və kənar cihazlar üçün uyğundur

Uzunmüddətli perspektivdə bu cür beyin tərəfindən ilhamlanan sistemlər robotlarda, muxtar nəqliyyat vasitələrində və ya digər müasir cihazlarda – başqa sözlə, süni intellekt məhdud enerji təchizatı ilə yerli olaraq fəaliyyət göstərməli olduğu yerlərdə istifadə edilə bilər.

Maass İkitərəfli Süni İntellekt Mükəmməlliyi Klasterində əsas tədqiqatçı kimi çalışır. Hazırkı tədqiqat Tsinhua Universiteti və İtaliya Milli Tədqiqat Şurası ilə əməkdaşlıq çərçivəsində aparılıb.

Nəşr detalları

Hui Lin və digərləri, Koqnitiv xəritələrdən neyron nümunələri məqsədyönlü təxəyyül və planlaşdırmaya imkan verir, Nature Machine Intelligence (2026). DOI: 10.1038/s42256-026-01254-4

Jurnal məlumatı: Təbiət Maşın Zəkası 

Əsas anlayışlar

Neyromorfik süni intellekt avadanlığıMaşın öyrənmə metodologiyalarıQraz Texnologiya Universiteti tərəfindən təmin edilir