Il Processamento del Cervello Umano Può Ispirare i Sistemi IA di Prossima Generazione, Dicono i Ricercatori

La ricerca pubblicata il 22 gennaio su Nature suggerisce che l’elaborazione delle informazioni umane può fungere da modello per la formazione dei sistemi IA di prossima generazione.

Lo studio ha riunito oltre una dozzina di ricercatori in tutto il mondo, tra cui Cory Merkel, professore associato di ingegneria informatica presso il Rochester Institute of Technology. Merkel si specializza in computing neuromorfico, un approccio ispirato al cervello mirato a migliorare la potenza di elaborazione e l’efficienza energetica nelle applicazioni di intelligenza artificiale.

“La capacità di avere un’IA efficiente su dispositivi limitati aprirà anche la porta a molti nuovi campi di applicazione in aree come l’interfaccia cervello-computer, l’esplorazione spaziale, le tecnologie di monitoraggio della salute e i sistemi di sorveglianza autonomi, per esempio,” ha spiegato Merkel, nel comunicato stampa dell’università.

Il suo lavoro affronta la crescente domanda di sistemi AI su misura per ambienti limitati per dimensioni, peso e potenza, come dispositivi indossabili, smartphone, robot, droni e satelliti. La computazione neuromorfica promette significativi miglioramenti nelle capacità di elaborazione e nei bisogni di stoccaggio di massa.

Le ricercatrici evidenziano come i sistemi neuromorfici sfruttano i principi dell’intelligenza biologica identificati dai neuroscienziati, offrendo un modello per reti di calcolo più rapide ed efficienti.

Merkel e Suma George Cardwell, un’esperta ricercatrice presso il Sandia National Laboratory, hanno anche esplorato le emergenti tecnologie di memoria, come RRAM e Spintronics, per l’archiviazione di massa nei sistemi neuromorfici. Queste tecnologie mostrano potenziale per soluzioni scalabili ed un efficace gestione delle variabilità dei dispositivi.

Poiché si prevede che il consumo di elettricità dell’IA raddoppierà entro il 2026, i ricercatori considerano il calcolo neuromorfico come una soluzione promettente. Hanno sottolineato che il campo si trova ad un “punto critico”, con la scalabilità che diventa una misura cruciale del progresso.

Il calcolo neuromorfico rappresenta una via verso la creazione di sistemi di intelligenza artificiale più efficienti ed attenti al consumo energetico per il futuro.