L’algoritmo che allena le reti neurali fisiche profonde

Rappresentazione concettuale generata dall'intelligenza artificiale (DALL-E 3) che rappresenta le onde luminose che attraversano un sistema fisico. EPFL/LWE CC-BY-SA 4. Gli scienziati dell'EPFL hanno sviluppato un algoritmo in grado di addestrare una rete neurale analogica con una precisione equivalente a quella di una rete digitale. Questo apre la strada allo sviluppo di hardware per l'apprendimento profondo a minor consumo energetico. Grazie alla loro capacità di elaborare grandi quantità di dati attraverso l'"apprendimento" algoritmico piuttosto che la programmazione tradizionale, le reti neurali profonde come Chat-GPT danno spesso l'impressione di avere un potenziale illimitato. Ma con l'aumento della portata e dell'impatto di questi sistemi, sono cresciute anche le loro dimensioni, la loro complessità e il loro consumo di energia, quest'ultimo abbastanza elevato da sollevare preoccupazioni sul loro contributo alle emissioni globali di carbonio. Mentre spesso pensiamo al progresso tecnologico in termini di transizione dall'analogico al digitale, gli specialisti stanno ora cercando risposte a questo problema nelle alternative fisiche alle reti neurali profonde digitali.