模仿人類大腦運算新時代 韓國開發自主糾錯、學習神經晶片

韓國科學技術院（KAIST）的一組研究人員推出了下一代神經晶片，基於憶阻器的整合晶片能模仿大腦的訊息處理模式，無需仰賴雲端伺服器，能自主學習與糾錯，並整合到日常設備當中。編譯／高晟鈞

韓國科學技術院（KAIST）的一組研究人員推出了下一代神經晶片，基於憶阻器的整合晶片能模仿大腦的訊息處理模式，無需仰賴雲端伺服器，能自主學習與糾錯，並整合到日常設備當中。

[caption id="attachment_160510" align="alignnone" width="1200"]

儘管先前的研究和晶片在神經型態計算領域已經取得了一些進展,但特定於自主學習和自動糾錯能力的技術仍然相對新穎。（示意圖／123RF）[/caption]

解決神經型態設備的挑戰

儘管先前的研究和晶片在神經型態計算領域已經取得了一些進展，但特定於自主學習和自動糾錯能力的技術仍然相對新穎。傳統神經型態晶片可能依賴預先設定的算法和外部調整來提高性能，而這款晶片能夠自主學習，並且在運行過程中自動糾正錯誤、調整自身參數，這提高了運算的準確性和自適應性。

更多新聞: 讓AI自主學習 Meta新訓練方法Toolformer解決痛點

實現這種自主糾錯可能的核心關鍵是一種名為憶阻器的部件，就像是晶片中的「海馬迴」，可以根據施加的電壓和電流的歷史來改變其電阻值。這使得憶阻器能夠像生物神經元一樣記錄和保存歷史數據，進而模擬記憶的功能。憶阻能幫助得電子設備能透過自我學習來完成複雜的補償，因此也被視為下一代神經型態系統的鑰匙。

在本地處理AI任務提高速度

在過去，由於低產量、耐久性差等問題，基於憶阻器陣列的系統在透過設備上學習實現即時人工智慧演算法時面臨挑戰。對此，研究團隊使用具有漸變氧分佈的界面型氧化鈦憶阻器，具有高穩定性、精確性與自校正屬性，且不需要透過雲端來運行人工智慧演算法。不依賴網路的晶片可以在本地進行數據處理和分析，這使得系統能夠迅速反應，提高即時性和效率，特別是在實時應用或需要低延遲的情況下非常重要，如自動駕駛和機器人技術。

不只如此，邊緣運算也意謂著晶片能降低對雲端伺服器、數據傳輸成本、穩定網路的需求，以更低延遲、低能耗的方式提供即時數據。這項技術有望改變人工智慧整合到日常設備的方式，在AI生活化的同時，無需仰賴龐大且耗能的雲端伺服器，尋求環境與科技的平衡。

資料來源:Interesting Engineering

※探索職場，透視薪資行情，請參考【科技類-職缺百科】幫助你找到最適合的舞台！

這篇文章 模仿人類大腦運算新時代 韓國開發自主糾錯、學習神經晶片 最早出現於 科技島-掌握科技新聞、科技職場最新資訊。