Sažetak
Убрзани напредак вештачке интелигенције (ВИ) значајно је утицао како на развој високе технологије, тако и на економски и друштвени развој. Република Србија се стратешки оријентисала да подржи истраживање и развој у области ВИ. Имајући у виду драматичну динамику развоја ВИ, циљ овог рада јесте да идентификује и опише мемристор технологију као тренутно веома актуелну и атрактивну, како би се оствариле технолошке иновације, друштвено-економски бенефити и потенцијално глобални продор. У раду је представљен преглед литературе како би се анализирали теоријски појмови, тренутни исходи истраживања и могуће примене мемристор технологије. Анализe указују на то да развој ове технологије у Србији може позиционирати земљу на место предводника у иновацијама код хардвера ВИ и подстаћи међународну сарадњу, стимулишући технолошки напредак целе привреде. Стога се овим радом предлаже да се будућа истраживања усмере на превазилажење практичних изазова у производњи мемристор технологије, развој хибридних архитектура и формулисање напредних неуроморфних алгоритама.
Ključne reči
Array
Array
Array
Array
Reference
Adhikari, S. P. et al. (2012). Memristor bridge synapse-based neural network and its learning. IEEE Transactions on Neural Networks and Learning Systems, XXIII (9), 1426–1435. https://doi.org/10.1109/TNNLS.2012.2204770
Ambrogio, S. et al. (2018). Equivalent-accuracy accelerated neural-network training using analogue memory. Nature, DLVIII (7708), 60–67. https://doi.org/10.1038/s41586-018-0180-5
Auto (2023). New steps in the development of the legal framework for autonomous driving. Available at: http://www.ai.gov.rs/vest/sr/771/novi-koraci-u-razvoju-pravnog-okvira-za-autonomnu-voznju.php
Bojic, L. (2022). Metaverse through the prism of power and addiction: What will happen when the virtual world becomes more attractive than reality? European Journal of Futures Research, X (1), 22.https://doi.org/10.1186/s40309-022-00208-4
Bojic, L. (2024). AI alignment: Assessing the global impact of recommender systems. Futures, CLX, 103383. https://doi.org/10.1016/j.futures.2024.103383
Bojic, L. et al. (2024a). AI and Energy Consumption: Social Aspects, 1-4. DOI: 10.23919/SpliTech61897.2024.10612493
Chang, T., Jo, S.-H. & Lu, W. (2011). Short-term memory to long-term memory transition in a nanoscale memristor. ACS Nano, V (9), 7669–7676. https://doi.org/10.1021/nn202983n
Chua, L. (1971). Memristor-The missing circuit element. IEEE Transactions on Circuit Theory, XVIII (5), 507–519. https://doi.org/10.1109/TCT.1971.1083337
Etika (2023). Adopted ethical guidelines for the development and use of artificial intelligence. Available at: https://www.srbija.gov.rs/vest/692988/usvojene-eticke-smernice-za-razvoj-i-upotrebu-vestacke-inteligencije.php
IVI (2022). Artificial Intelligence Research and Development Institutes. Available at: https://ivi.ac.rs/
Prezioso, M. et al. (2015). Training and operation of an integrated neuromorphic network based on metal-oxide memristors. Nature, DXXI (7550), 61–64. https://doi.org/10.1038/nature14441
Strategy (2020). Strategy for the Development of Artificial Intelligence. Available at: https://www.srbija.gov.rs/tekst/437277/strategija-razvoja-vestacke-inteligencije.php
Strukov, D. B. et al. (2008). The missing memristor found. Nature, CDLIII (7191), 80–83. https://doi.org/10.1038/nature06932
Talanov, M., Vallverdu, J., Bojic, L. (2024b). Neuropunk revolution: memristive spinal CPG learning approach. 9th International Conference on Smart and Sustainable Technologies (SPLITECH), June 25–28, 2024, Split, Croatia.
Wang, Z. et al. (2017). Memristors with diffusive dynamics as synaptic emulators for neuromorphic computing. Nature Materials, XVI (1), 101–108. https://doi.org/10.1038/nmat4756
Yang, J. J., Strukov, D. B., Stewart, D. R. (2013). Memristive devices for computing. Nature Nanotechnology, VIII (1), 13–24, https://doi.org/10.1038/nnano.2012.240