Canlı sinir sistemleri, sadece birkaç örnekten yeni davranış kalıpları öğrenebilme ve yoğun sensör gürültüsü altında bile güvenilir şekilde çalışabilme konusunda olağanüstü yetenekler sergiliyor. Ne var ki bu özellikler, derin öğrenme modelleri dahil olmak üzere modern yapay sinir ağları için hâlâ erişilmez görünüyor.
Yeni bir araştırma, bu açığın kapatılabileceğini ortaya koyuyor. Bilim insanları, geleneksel yapay sinir ağı mimarilerine özgün nöromorfik devreler yerleştirerek hibrit modeller geliştirdi. Bu devreler, astrosit hücrelerinin modülasyon işlevini ve biyolojik sinir yapılarına özgü sinyal iletim dinamiklerini içeriyor.
Farklı karmaşıklık seviyelerindeki standart test setlerinde yapılan denemelerde, hibrit modeller sınıf başına çok az eğitim örneğiyle yüksek doğruluk oranları elde etti. Daha da önemlisi, standart modellerde performans çöküşüne neden olan maskeleme ve anlık gürültü koşullarında bile yüksek başarım sergiledi.
Araştırmacılar bu durumu 'nöromorfik üstünlük' olarak adlandırıyor. Bu kavram, biyolojik temelli mimarilerin geleneksel yaklaşımları geride bıraktığı rejimi tanımlıyor. Bu gelişme, yapay zekanın daha az veriyle öğrenebilen ve dayanıklı sistemler yaratma yolunda önemli bir kilometre taşı olabilir.