Že dolgo časa je sprejeto dejstvo, da s klasičnimi računalniki in proceduralnim programiranje ne bomo umetni inteligenci prišli niti blizu. Človeški možgani pač delujejo drugače in trenutno so edini pametni model kolikor toliko univerzalne inteligence, ki nam je poznan. Strojno učenje, ki svoj razcvet doživlja v zadnjih letih, kot raziskovalna disciplina pa obstaja že petdeset let, zato posnema naravo. Nevronske mreže delujejo podobno kot možgani - sestavljajo jih nevroni, ki so med seboj povezani po plasteh, pri čemer nevroni predhodne plasti vzdražijo nevrone naslednje plasti, odziv posameznega nevrona pa je odvisen od kombinacije na vhodu. V biološkem jeziku nevrone sestavlja kopica dendritov, po katerih prihajajo signali, celica za procesiranje podatkov in akson, po katerem teče izhodni signal.
Vse te nevronske mreže in algoritmi za strojno učenje tečejo na klasičnih računalnikih, ki nevronsko mrežo v bistvu simulirajo. Z vidika algoritma to ni tako zelo bistveno, je pa seveda manj elegantno in tudi manj učinkovito. Človeške možgane sestavlja 100 milijard nevronov, med katerimi je na bilijone povezav, saj imajo nevroni tudi do 10.000 povezav. Vse to plava v manj kot poldrugi liter veliki posodi, za delovanje pa moramo nenehno zagotavljati vsega 10-20 W energije, ki je resda izključno v nepraktični obliki raztopljene glukoze ali ketonskih teles (možgani so izjemno izbirčni) in primerne koncentracije kisika, kar je izjemno učinkovito. Najboljši varčni procesorji nimajo več kot dveh milijard tranzistorjev, porabijo pa v istem velikostnem razredu energije.
IBM-ovi nevroni so sicer še daleč od uspešnosti človeških, so pa kljub temu izjemen znanstveni in inženirski dosežek, kar dokazuje tudi objava v Nature Nanotechnology. Umetne nevrone so napravili iz germanij-antimon-telurja (GeSbTe), ki opravlja funkcijo lipidnega dvosloja v živi nevronski celici. Membrana v nevronih ima namreč lastnosti upornikov in kondenzatorjev. Do vzdražnega pragu namreč ne prevaja toka oziroma signala, potem pa popusti in ustvari zadosten sunek napetosti, da aktivira sosednji nevron. To funkcijo opravlja GeSbTe, ki je znan po tem, da obstaja v dveh zelo različnih fazah (eni kristalinični in eni amorfni, kar ni nič nenavadnega), med katerima lahko enostavno preklapljamo z laserjem ali električnim tokom (to pa je zelo dobra lastnost). V umetnem nevronu je GeSbTe najprej amorfen, ko pa je na vhodu dovolj napetosti, kristalizira, s čimer postane prevoden. Dodatna prednost teh nevronov je stohastična narava, saj se ne aktivirajo vedno ob enakem potencialu, kar je slučaj tudi v človeških nevronih. Po neaktivnosti pa se GeSbTe spontano spremeni nazaj v amorfno obliko.
Teorija deluje odlično, en sam nevron tudi, IBM pa je šel še korak dlje in nevrone tudi dejansko izdelal. In to več, saj si z enim samim nimamo kaj pomagati. Naredili so mrežo 10x10 nevronov, potem pa so med seboj povezali pet takih mrež, kar je že zadosti nevronov, da lahko z njimi počnemo kaj pametnega (čisto solidno strojno učenje, denimo prepoznavanje fotografij).
Če ste ob besedi PCM zastrigli z ušesi, imate prav in tudi dober spomin. Računalniški velikani že dlje časa preiskujejo materiale, ki bodo uporabni pri gradnji pomnilnika na fazne spremembe. Gre za tehnologijo, ki obljublja v primerjavi z NAND do 100-krat hitrejši pomnilnik, ki bo podatke hranil tudi brez napajanja (non-volatile). IBM pa dokazuje, da lahko iste materiale uporabimo tudi za povsem drugačne namene. Mimogrede, ta isti GeSbTe je tudi ključni sestavni del prepisljivih medijev Blu-ray.
