هینتون، سخنرانی پایانی پنجشنبه را در سال جاری ارائه می دهد کنفرانس سیستم های پردازش اطلاعات عصبیNeurIPS، در نیواورلئان، گفت که جامعه تحقیقاتی یادگیری ماشین “در درک مفاهیم یادگیری عمیق برای نحوه ساخت کامپیوترها کند بوده است.”
از این نظر، هینتون در جایگاه خود در این زمینه، صاحب امتیاز هوش مصنوعی است.
“ما کاری را انجام خواهیم داد که من آن را محاسبات فانی می نامم، جایی که دانشی که سیستم آموخته و سخت افزار، جدایی ناپذیر هستند.”
به گفته جفری هینتون، پیشگام هوش مصنوعی، اشکال یادگیری ماشینی هوش مصنوعی، انقلابی در سیستم‌های کامپیوتری ایجاد می‌کنند، نوع جدیدی از اتحادیه سخت‌افزار-نرم‌افزار که می‌تواند هوش مصنوعی را در توستر شما قرار دهد.
جفری هینتون، برنده جایزه تورینگ، گفت که کامپیوترهای دیجیتال معمولی، با اولویت دادن به قابلیت اطمینان، در مورد “همه انواع ویژگی های متغیر، تصادفی، فلکه ای، آنالوگ و غیرقابل اعتماد سخت افزار که ممکن است برای ما بسیار مفید باشد” از دست داده اند.
NeurIPS 2022
پیش نویس مقاله کار رو به جلو است در صفحه اصلی هینتون ارسال شده است (PDF) در دانشگاه تورنتو، جایی که او استاد ممتاز است.
به گفته هینتون، سیستم‌های رایانه‌ای آینده رویکرد متفاوتی خواهند داشت: آنها «نورومورفیک» و «فانی» خواهند بود، به این معنی که هر رایانه پیوندی نزدیک از نرم‌افزاری خواهد بود که شبکه‌های عصبی را با سخت‌افزار به هم ریخته نشان می‌دهد. ، به معنای داشتن عناصر آنالوگ به جای دیجیتال، که می تواند عناصر عدم قطعیت را در خود جای دهد و می تواند در طول زمان توسعه یابد.
او گفت که یکی از موانع ساخت رایانه های فانی آنالوگ جدید این است که مردم به قابلیت اطمینان اجرای یک نرم افزار بر روی میلیون ها دستگاه وابسته هستند.
او گفت: «در میان افرادی که به محاسبات آنالوگ علاقه دارند، هنوز تعداد بسیار کمی وجود دارند که مایلند از جاودانگی چشم پوشی کنند. او گفت که این به دلیل دلبستگی به ثبات و پیش بینی پذیری است. “اگر می خواهید سخت افزار آنالوگ شما هر بار همان کار را انجام دهد… شما با این همه چیزهای الکتریکی سرگردان و چیزهای دیگر با مشکل واقعی مواجه شده اید.”
هیلتون به جمعیت NeurIPS گفت که کامپیوترهای فانی جدید جایگزین کامپیوترهای دیجیتال سنتی نخواهند شد. هینتون گفت: «این رایانه نیست که مسئولیت حساب بانکی شما را بر عهده دارد و دقیقاً می داند چقدر پول دارید.
اکنون، اگر قرار است چنین چیزی اتفاق بیفتد، ما باید یک روش یادگیری داشته باشیم که در یک قطعه سخت افزاری خاص اجرا شود، و یاد می گیریم که از ویژگی های خاص آن قطعه سخت افزاری خاص بدون اینکه بدانیم چیست، استفاده کنیم. هینتون توضیح داد که همه آن خواص هستند. اما من فکر می‌کنم که الگوریتم رو به جلو یک نامزد امیدوارکننده برای آنچه این روش کوچک ممکن است باشد باشد.
او با اشاره به یک نوع از چندین دهه قدمت گفت: «اگر این کار را انجام دهیم، می‌توانیم از محاسبات آنالوگ با توان بسیار کم استفاده کنیم، می‌توان موازی‌سازی تریلیون‌ها راه را با استفاده از چیزهایی مانند ممریستورها برای وزن‌ها داشت. تراشه آزمایشی که بر اساس عناصر مدار غیر خطی است.
هینتون در سخنرانی دعوت شده خود بیشتر وقت خود را صرف صحبت در مورد رویکرد جدیدی به شبکه های عصبی به نام شبکه رو به جلو کرد که تکنیک انتشار پس از آن را تقریباً در همه شبکه های عصبی از بین می برد. او پیشنهاد کرد که با برداشتن تورهای پشتی و رو به جلو، ممکن است به طور منطقی تری به آنچه در زندگی واقعی در مغز اتفاق می افتد، تقریب بزند.
