В недрах мозга нейроны обмениваются электрическими сигналами, проходящими через синапсы. Ионный канал, образующийся на стыке синапсов от двух нейронов, становится толще и более электропроводным каждый раз, когда через него проходит сигнал. Такое укрепление электрической связи позволяет тратить меньше энергии на передачу информации и на основе этого эффекта работает система памяти человека, которая позволяет ему учиться и накапливать опыт.

В большинстве случаев искусственные нейронные сети имитируют вышеописанные процессы программным путем. И по мере увеличения узлов нейронных сетей увеличивается объем оперативных данных, которые растет еще больше по мере накопления опыта. Такой подход к построению нейронных сетей уже продемонстрировал свою эффективность на многочисленных примерах, победив Ли Седоля, мирового чемпиона по китайской игре Го, создав музыкальные произведения, картины и многое другое. Несмотря на это, компьютерным системам, на которых работают искусственные нейронные сети очень далеко до эффективности живого мозга с точки зрения количества используемой на это все энергии.

Стэнфордские исследователи, вместо того, чтобы моделировать нейронную сеть, решили сделать реальную нейронную сеть. И первым шагом к этому стало создание искусственного синапса, органического нейроморфного устройства, которое способно одновременно обрабатывать и хранить информацию. Структура созданного ими устройства напоминает структуру транзистора, искусственный синапс имеет три электрода, проводимость между которого обеспечивается солевым раствором с определенной концентрацией. Электрические сигналы проходят от одного электрода к другому, а управляет этим всем сигнал на третьем электроде.

Сначала исследователи изучили работу синапса, пропуская через него различные электрические сигналы, что позволило им выяснить значение напряжений, заставляющих синапс переключиться в определенное электрическое состояние. В отличие от транзистора, который может находиться в двух состояниях, во включенном и выключенном, искусственный синапс может находиться в одном из 500 дискретных состояний, что увеличивает его вычислительную мощность по экспоненте.

Однако, для переключения искусственного синапса из одного состояния в другое пока еще требуется энергия, в 10 тысяч раз больше, чем требуется для переключения состояния обычного живого синапса. Тем не менее, и данное достижение уже само по себе является большим шагом в "правильном" направлении. В своих дальнейших исследованиях стэнфордские ученые уже планируют использовать устройства меньших размеров, что должно увеличить их эффективность.

Используя один единственный искусственный синапс, ученые провели обширный ряд экспериментов и экстраполировали все собранные ими данные для их использовании в модели более сложной системы, состоящей из некоторого количества синапсов. И созданная модель достаточно простой нейронной сети справилась с задачей распознавания рукописных образов чисел от 0 до 9, дав правильный ответ в 97 процентах случаев. А в ближайшем времени ученые планируют построить реальную искусственную нейронную сеть, являющуюся воплощением моделируемой, для того, чтобы провести сравнительные исследования.