Не так давно для симуляции одной секунды работы одного процента человеческого мозга требовалось сорок минут вычислительного времени на кластере из 82 944 процессоров с производительностью целых 10 петафлопс. Ученые стремились воспроизвести работу 1,73 миллиарда нейронов и целых 10,4 триллионов синапсов, соединяющих их, при этом на каждый синапс отводилось 24 байта памяти. Несмотря на то, что производительность суперкомпьютеров нового поколения будет измеряться в экзафлопсах, существующие программные решения позволят смоделировать лишь 10 процентов активности мозга. Международная команда ученых разработала алгоритм, способный преодолеть это ограничение и представить до 100 процентов активности мозга. Впервые исследователям хватит вычислительной мощности современных компьютеров для моделирования нейронной сети в масштабе всего человеческого мозга. Новый алгоритм симуляции призван помочь моделировать 100 миллиардов взаимосвязанных нейронов на экзафлопсных суперкомпьютерах, то есть “оцифровывать” нейроны в масштабе всего мозга. Он основан на инструменте нейросимуляции NEST, используемом в рамках проекта Human Brain Project.
Архив рубрики: Инновации
Будущее памяти для компьютера: магнитный момент или электрический заряд?
Современные технологии памяти, включая продукцию Kingston, эффективно выполняют поставленные перед ними задачи. Однако прогресс не стоит на месте, и вполне вероятно, что в ближайшем будущем DRAM будет считаться устаревшей технологией. Одним из перспективных кандидатов на её замену является магниторезистивная память MRAM. Важно отметить, что каждый тип памяти обладает своими недостатками. Например, NAND характеризуется низкой скоростью записи, SRAM не допускает плотной компоновки ячеек, что ограничивает плотность хранения данных. Мы знаем, что DRAM и SRAM являются энергозависимыми, то есть теряют информацию при отключении питания. В связи с этим исследователи постоянно ищут более совершенные технологии для решения разнообразных задач из этой области. В последнее время значительный интерес вызывает трехмерная vNAND, позволяющая существенно увеличить емкость накопителей, а также разработка Intel и Micron под названием 3D XPoint.
Искусственный интеллект вокруг Вас: достижения и повседневные инновации
В свете стремительного прогресса в области искусственного интеллекта, обычные стартапы, к сожалению, рискуют остаться практически незамеченными. На хорошо известной многим специалистам платформе arxiv.org количество исследований по машинному обучению, таких как, например, компьютерное зрение, а также обработка естественного языка растет почти экспоненциально. Программа AlphaGo Zero демонстрирует впечатляющие результаты, побеждая предыдущие версии сети без какого-либо вмешательства человека. Нейросеть NVIDIA способна виртуозно изменять время года и погодные условия на фотографиях. Другая нейросеть, алгоритм которой доступен в открытом доступе, позволяет заменять актрис в фильмах на других. В этой ситуации, где новости об искусственном интеллекте заполоняют информационное пространство, как сохранить жизнеспособность проекта?
Советские автомобильные инновации: технические шедевры великой эпохи
Широко распространено мнение, что советский автомобилестроение было небогато по всем параметрам. Советским автомобилистам чаще всего доставались однотипные серийные машины, лишенные изысканного дизайна и передовых технических решений. Однако справедливо ли это утверждение? Несмотря на распространённое представление, на советских автозаводах периодически создавались весьма интересные концептуальные модели, по разным причинам не вышедшие в серийное производство. Кроме того, время от времени появлялись сообщения о самодеятельных конструкторах, собравших в своих гаражах автомобили, способные соперничать, а то и превосходить зарубежные прототипы той эпохи. Как и многое другое в Советском Союзе, эти события зачастую оставались незамеченными. Лишь недавно в сети стали появляться фотографии концептуальных советских автомобилей, позволяющие оценить масштабы этого явления.
Инновационные интерфейсы в виртуальный мир: настоящее и будущее
В данной статье анализируются будущие тенденции развития новейших интерфейсов взаимодействия человека с компьютером, выходящие за рамки тактильных экранов и голосового управления. В качестве примера приводятся часы Apple Watch, показываюшие весьма впечатляющую вычислительную мощь. Несмотря на то, что они не являются самым производительным устройством, эти часы способны обрабатывать гигабайты данных каждую секунду. Авторы этой статьи подчеркивают колоссальную вычислительную мощность человеческого мозга, обладающего десятками миллиардов нейронов и более чем четырьмя квадриллионами соединений. Объем информации, обрабатываемой мозгом каждую секунду, настолько огромен, что его сложно даже оценить. Тем не менее, связь между невероятно мощным мозгом человека и стремительно развивающимся миром цифровых технологий осуществляется посредством привычных инструментов – компьютерной клавиатуры и мыши.
Пять основных сфер практического применения систем распознавания объектов
На протяжении нескольких десятилетий ученые стремятся к созданию новых систем, способных воспринимать и интерпретировать окружающий мир подобно человеку. В настоящее время эти технологии достигли значительного прогресса и широко применяются в различных сферах нашей жизни. Данная статья не будет сильно углубляться в детальное описание сложных технологий машинного зрения, нейронных сетей и алгоритмов распознавания, поскольку на сайте уже доступны подробные статьи по этой теме. Вместо этого мы сосредоточимся на практическом использовании этих систем в реальном мире. Важно отметить, что для системы распознавания образов photographica – это просто набор пикселей с различными цветовыми параметрами. Для того чтобы обучить систему идентифицировать отдельные объекты на изображении, ей необходимо предоставить обширный датасет – тысячи изображений с четко обозначенным местоположением нужного объекта.
