به گزارش ایتنا و طبق اطلاعات منتشرشده از سوی «بیبیسی»، تیم تحقیقاتی «دپارتمان محاسبات و مهندسی الهامگرفته از طبیعت» این دانشگاه، نام این معماری ارتباطی جدید را «اتصال توپوگرافی پراکنده» گذاشتهاند. این طراحی، ساختار ظاهراً پراکنده اما بسیار سازمانیافته شبکههای عصبی در مغز را به تصویر میکشد.
در طراحی مرسوم مراکز هوش مصنوعی، هر واحد پردازش عصبی در یک لایه به تمام واحدهای موجود در لایه بعدی متصل میشود. این نوع اتصال کامل، موجب مصرف بالای انرژی و منابع محاسباتی میگردد.
با این حال، در مکانیسم جدیدی که پیشنهاد شده است، هر واحد پردازش عصبی تنها با واحدهای نزدیک به خود یا واحدهایی که وظایف مشترکی دارند، ارتباط برقرار میکند. این معماری به روش ارتباط مؤثر نورونها در مغز شباهت دارد.
این تغییر به دو دلیل اصلی موجب بهینهسازی مصرف انرژی میشود:
۱. با دریافت هر دستورالعمل، نیازی به فعالسازی همه واحدهای عصبی نیست.
۲. بار محاسباتی سنگین و غیرضروری برای ایجاد اتصالات کامل بین واحدها کاهش مییابد.
علاوه بر این، تیم تحقیقاتی دریافت که الگوبرداری از فرآیند «هرس سیناپسی» در مغز (که در طول یادگیری و بلوغ عصبی اتفاق میافتد) میتواند به دقتی برابر یا حتی بالاتر در مدلهای هوش مصنوعی منجر شود، در حالی که تنها از بخش مختصری از اطلاعات و انرژی معمول استفاده میکند.
دکتر رومن باوئر، استاد ارشد دانشگاه و یکی از اعضای این تیم، پیشرفتهای بهدستآمده را گامی کلیدی در جهت اثبات امکان ساخت «سامانههای هوشمند با کارایی بالا و مصرف انرژی بسیار کم» توصیف کرد.
در این راستا، محسن کاملیان، دانشجوی مقطع دکتری و سرپرست این مطالعه، ابراز داشت: «آنچه ما ارائه میدهیم، یک پارادایم کاملاً جدید برای نحوه نگرش به شبکههای عصبی است؛ پارادایمی که بر اساس اصول بیولوژیکی استوار شده که باعث بهینهسازی و کارایی هوش طبیعی شده است.»
گفته میشود این تیم تحقیقاتی در حال بررسی نحوه استفاده از یافتههای این مطالعه و گسترش آن به توسعه معماریهایی فراتر از شبکههای عصبی کلاسیک در مدلهای هوش مصنوعی است.