Genesis: Cip neuromorfik yang belajar tanpa lupa

Penyelidik di University of Texas at San Antonio memperkenalkan Genesis, iaitu cip AI neuromorfik yang direka untuk membantu sistem kecerdasan buatan belajar secara berterusan tanpa kehilangan pengetahuan yang telah dipelajari.

Perkembangan itu diumumkan pada 30 September 2026 oleh universiti berkenaan melalui MATRIX AI Consortium.

Menurut penyelidik, salah satu masalah dalam AI ialah sistem boleh mengalami kesukaran untuk mempelajari maklumat baharu tanpa menjejaskan pengetahuan lama.

Masalah ini sering dikaitkan dengan konsep catastrophic forgetting, iaitu keadaan apabila pembelajaran baharu menyebabkan model kehilangan sebahagian daripada perkara yang telah dipelajarinya sebelum ini.

Genesis dibangunkan sebagai pemecut neuromorfik yang menggunakan pendekatan berasaskan spiking neural network untuk menyokong pembelajaran berterusan.

Pendekatan neuromorfik cuba meniru sebahagian cara otak manusia memproses maklumat dengan menggunakan aktiviti seperti denyutan isyarat saraf.

Menurut University of Texas at San Antonio, Genesis direka supaya pembelajaran boleh berlaku terus pada peranti sepanjang tempoh operasinya.

Jika pendekatan ini berjaya pada skala praktikal, ia berpotensi mengurangkan keperluan menghantar semua data baharu kembali ke pusat data untuk melatih semula sistem AI.

Ini penting untuk peranti yang perlu beroperasi dengan pantas dan mempunyai sumber pengkomputeran yang terhad.

Contohnya, sistem AI pada robot, kenderaan atau peranti pintar mungkin perlu menyesuaikan diri dengan persekitaran baharu tanpa bergantung sepenuhnya kepada sambungan internet.

Pembelajaran terus pada peranti juga boleh memberikan kelebihan dari segi kependaman kerana data boleh diproses lebih dekat dengan sumbernya.

Namun, teknologi seperti ini masih perlu melalui pembangunan dan penilaian lanjut sebelum dapat menentukan sejauh mana ia boleh digunakan dalam produk AI sebenar.

Genesis menunjukkan bahawa perlumbaan AI bukan hanya tertumpu kepada model bahasa yang semakin besar.

Penyelidik juga sedang mencari cara baharu untuk membina perkakasan yang membolehkan AI belajar, menyesuaikan diri dan beroperasi dengan lebih cekap.

Jika teknologi pembelajaran berterusan seperti Genesis berkembang, AI masa depan mungkin tidak lagi bergantung sepenuhnya kepada model yang dilatih semula dari awal setiap kali pengetahuan baharu diperlukan.

Sumber: Artikel janaan ChatGPT.

Bayangkan sebuah otak buatan yang boleh belajar perkara baharu setiap hari, tanpa perlu "reset" semula apa yang dah dipelajari sebelum itu. 

Itulah masalah besar yang cuba diselesaikan oleh Genesis, satu cip pemecut neuromorfik berasaskan spiking yang dibangunkan oleh pasukan di MATRIX AI Consortium, University of Texas di San Antonio (UTSA), diketuai oleh Dhireesha Kudithipudi, PhD.

Sebelum masuk dalam-dalam, mari faham dulu masalah asalnya. Model AI biasa ada satu kelemahan ketara — apabila dilatih dengan tugasan baharu, ia cenderung "lupa" pengetahuan lama. Fenomena ini dipanggil catastrophic forgetting. 

Selain itu, kebanyakan pemecut AI konvensional bergantung pada latihan semula berasaskan awan, yang tak praktikal untuk peranti yang beroperasi secara bersendirian di lapangan.

Genesis mengambil pendekatan berbeza dengan menggunakan rangkaian neural spiking, iaitu sistem yang berkomunikasi melalui denyutan elektrik pendek, lebih mirip cara neuron sebenar berfungsi. 

Ciri utamanya ialah metaplastisiti — konsep di mana sambungan yang dianggap penting dijadikan lebih sukar ditimpa, manakala pembelajaran baharu diarahkan ke sambungan yang lebih fleksibel. 

Dari segi tenaga pula, cip ini hanya mengira apabila berlaku spike, jadi penggunaan kuasa semasa melahu jauh lebih rendah. 

Seni binanya disusun dalam grid elemen pemprosesan 8x8 dengan topologi mesh, yang turut mengurangkan pergerakan data antara memori dan pemproses.

Dari segi spesifikasi teknikal, kertas penyelidikan arXiv menyebut Genesis ialah ASIC 65nm dengan memori on-chip 0.5 MB, ketepatan 16-bit/8-bit FXP, kuasa 17.08 mW dan latensi 10 ms. 

Dalam ujian Split-MNIST, ia mencapai ketepatan purata 74.46% bagi pembelajaran domain-incremental tanpa label tugasan. 

Penyelidik turut menganggarkan Genesis boleh menjimatkan tenaga 30 hingga 100 kali ganda berbanding perkakasan AI tradisional apabila sepenuhnya direalisasikan — namun ini masih anggaran, bukan angka komersial sebenar.

Projek ini sebenarnya bukan bermula dari kosong. Versi awalnya, Genesis-v1 dan v2, menggunakan pemecut hibrid CMOS/Memristor dengan algoritma TACOS dan MetaplasticNet, beroperasi pada kira-kira 20-30 fps dengan kuasa sekitar 20mW.

Buat masa ini, cip Genesis telah difabrikasi dan sedang diuji, tetapi belum tersedia secara komersial. Sasaran penggunaannya ialah peranti edge seperti peranti perubatan dan kenderaan autonomi, terutamanya di lokasi tanpa akses sambungan awan. 

Jika berjaya direalisasikan sepenuhnya, Genesis boleh membuka jalan kepada AI yang lebih mandiri, jimat tenaga, dan mampu terus belajar tanpa kehilangan ingatan lama.

Sumber: Artikel janaan Claude.ai
Cuba Prompt Ini Terus dalam App CelikAI

Uji arahan Bahasa Melayu secara pantas menggunakan pembantu pintar kami tanpa tetapan rumit.

Buka App AI ↗

Ulasan