محققان در مقالهای جدید، راهکاری خلاقانه برای حل چالش بزرگ «مصرف انرژی» و «تاخیر» در مدلهای یادگیری ماشین ارائه دادهاند. آنها با الهام از فرآیندهای فیزیکی و استفاده از «محاسبات ترمودینامیکی» مبتنی بر سختافزارهای آنالوگ (مانند مدارهای ابررسانای نویزی)، مدلی طراحی کردهاند که میتواند مدلهای احتمالی را بسیار بهینهتر از سیستمهای فعلی اجرا کند.
این یعنی در آینده ممکن است برای اجرای مدلهای هوش مصنوعی، به جای تکیه صرف بر توان محاسباتی دیجیتال، از خواص فیزیکی مواد برای انجام محاسبات استفاده کنیم که مصرف انرژی را به شکل چشمگیری کاهش میدهد! ⚡✨
منبع: arXiv Machine Learning