For å lese artikler må du være abonnent

50 kr for 5 uker

  • Full tilgang til TU.no og Digi.no
  • Artikkelarkiv helt tilbake til 1854
  • Eksklusive nyhetsbrev

Deretter 299 kr/mnd. Fornyes automatisk, avslutt når du vil.

PRØV OSS I 5 UKER

2990 kr / år

  • Full tilgang til TU.no og Digi.no
  • Artikkelarkiv helt tilbake til 1854
  • Eksklusive nyhetsbrev
  • Spar 598 kr

Fornyes automatisk til ordinær pris, avslutt når du vill.

BESTILL NÅ

Bedrift eller student?

  • Sjekk om du har tilgang via arbeidsgiver
  • Pristilbud til din bedrift
  • Innløs din gratis studenttilgang

Tilgang avhenger av avtalen med din arbeidsgiver eller ditt studiested.

LES MER HER

forskning

Nevromorf prosessering: Fremtidens datamaskin skal jobbe som en menneskehjerne

Intel har utviklet en spesiell brikke som kalles Loihi, til bruk ved forskning i neuromophic computing. Brikken består av 2,07 milliarder transistorer, og er bygd opp slik at de fungerer som 131.072 nevroner og 130.000.000 synapser.
Intel har utviklet en spesiell brikke som kalles Loihi, til bruk ved forskning i neuromophic computing. Brikken består av 2,07 milliarder transistorer, og er bygd opp slik at de fungerer som 131.072 nevroner og 130.000.000 synapser. Intel

Flashback til ingeniørstudiet omkring 1990. Vi er tre håpefulle studenter som har fått som oppgave å programmere et enkelt stykke programvare som skal etterligne nevroner i en hjerne. Lokaliteten er en stor såkalt data-bar på universitetet, med et utall av små skjermer med grønn skrift og en enorm linjeskriver i et tilstøtende lydisolert rom.

Vi har blitt tildelt et svært begrenset antall sekunder på den sentrale datamaskinen, og bakser med å få Fortran-programmet til å kompilere kodningen vår av de enkelte hjernenevronene. Jeg husker ikke hvor mange nevroner vi hadde med i programmet, eller hvordan de samhandlet. Men antallet var helt sikkert lavt, og det innbyrdes forholdet deres var nok enkelt.

I dag har maskinvareutviklingen for lengst mangedoblet mulighetene for å gjøre programmer ekstremt komplekse, og antallet knutepunkter er enormt. Denne utviklingen har spesielt blitt brukt til stadig mer avanserte nevrale nettverk ført an av giganter som Googles Tensorflow og Microsoft Azure.

Powered by Labrador CMS