少妇高潮久久久久久免费,欧美乱码一区二区三区在线看,日本中文不卡在线观看,国产精品一区二区青青青,国产无遮挡又黄又爽不要

編輯 | 蘿卜皮

基于圖靈模型的計算機執(zhí)行的人工智能 (AI) 算法要么由人類編程，要么源自機器學(xué)習(xí)。

這些 AI 算法無法根據(jù)環(huán)境變化在運行過程中進行修改，與人腦相比，它們對新環(huán)境的適應(yīng)性明顯較差、學(xué)習(xí)延遲更長、功耗更高。相比之下，神經(jīng)生物回路可以同時適應(yīng)不斷變化的條件并發(fā)揮作用。

加州大學(xué)（University of California）、德克薩斯A&M大學(xué)（Texas A&M University）的研究人員展示了一種受大腦啟發(fā)的基于突觸電阻電路的超級圖靈（Super-Turing）AI 模型，該模型能夠同時進行實時推理和學(xué)習(xí)。

無需任何事先學(xué)習(xí)，集成鐵電 HfZrO 材料的突觸電阻電路就能夠在模擬環(huán)境中引導(dǎo)無人機向目標位置飛行，同時避開障礙物，與基于計算機的人工神經(jīng)網(wǎng)絡(luò)相比，其學(xué)習(xí)速度、性能、功耗和適應(yīng)性都顯著提高。

該研究以「HfZrO-based synaptic resistor circuit for a Super-Turing intelligent system」為題，于 2025 年 2 月 28 日發(fā)布在《Science Advances》。

當(dāng)前人工智能系統(tǒng)基于圖靈模型，通過預(yù)編程或機器學(xué)習(xí)固化的推理算法運行，雖在預(yù)學(xué)習(xí)領(lǐng)域表現(xiàn)優(yōu)異（如自動駕駛、大語言模型），但存在兩大根本局限：

一是算法無法在運行中動態(tài)適應(yīng)環(huán)境變化，需依賴海量數(shù)據(jù)離線訓(xùn)練來擴展學(xué)習(xí)域，導(dǎo)致高能耗和低效率；

二是面對超出預(yù)學(xué)習(xí)范圍的未知環(huán)境時（如突發(fā)障礙、復(fù)雜氣流），系統(tǒng)缺乏人腦的實時適應(yīng)能力，易出現(xiàn)故障。這種基于有限學(xué)習(xí)域的靜態(tài)算法與真實世界無限變化的矛盾，使得傳統(tǒng)「大數(shù)據(jù)」擴展模式難以持續(xù)。

「這些數(shù)據(jù)中心消耗的電力以千兆瓦計，而我們的大腦只消耗 20 瓦?！沟驴怂_斯A&M大學(xué)工程學(xué)院電氣與計算機工程助理教授 Suin Yi 博士解釋道，「這是 10 億瓦，而我們的大腦只有 20 瓦。消耗這種能源的數(shù)據(jù)中心在目前的計算方法下是不可持續(xù)的。因此，雖然人工智能的能力非凡，但維持它所需的硬件和發(fā)電仍然是必要的。」

大腦的 Super-Turing 計算模式通過突觸可塑性（如 STDP 規(guī)則）實現(xiàn)了推理與學(xué)習(xí)的實時并行處理，這使其具備動態(tài)適應(yīng)未知環(huán)境的核心優(yōu)勢。

現(xiàn)有基于數(shù)字晶體管或模擬阻變器件的神經(jīng)形態(tài)電路仍受限于圖靈模式，因讀寫電壓必須分離操作而無法真正實現(xiàn)權(quán)重實時調(diào)整——學(xué)習(xí)階段需高電壓修改電導(dǎo)（如 ±1.7V 脈沖），推理階段則用低電壓（如 0.4V）維持固定電導(dǎo)，二者只能串行執(zhí)行。

突破該瓶頸的關(guān)鍵在于開發(fā)能同步響應(yīng)推理信號與學(xué)習(xí)信號的電子系統(tǒng)，使器件電導(dǎo)在推理過程中持續(xù)自適應(yīng)調(diào)整。

加州大學(xué)、德克薩斯A&M大學(xué)等機構(gòu)的研究團隊首次提出了一種基于突觸電阻 (Synstor) 電路的智能系統(tǒng)模型，該系統(tǒng)具有并發(fā)推理和學(xué)習(xí)功能，以并行模擬「超級圖靈」模式運行。研究人員制作了一個基于 Hf0.5Zr0.5Ο2的 Synstor 電路來實現(xiàn)并發(fā)推理和學(xué)習(xí)。