یک دستاورد خارق‌العاده دیگر

اختراع شبکه‌ عصبی پلاستیکی شبیه به مغز انسان

شبکه‌‌های عصبی متنوعی شبیه به مغز انسان طراحی شده‌اند که هر یک بر مبنای الگوی خاص خود فرآیند یادگیری را دنبال می‌کنند، اما به‌طور معمول در قلب زیرساخت‌های بنیادی خود از سیلیکون‌های قدیمی استفاده می‌کنند. اما به راستی اگر این تراشه‌ها خودشان شبیه به مغز انسان طراحی شوند، عملکرد بهتری نخواهند داشت؟

به نظر می‌رسد، تلاش‌های گروهی از پژوهش‌گران روسی و ایتالیایی (پژوهش‌گران مؤسسه کورچتو، MIPT، دانشگاه پاما ایتالیا، دانشگاه دولتی مسکو و دانش‌گاه سن‌پیترزبورگ) در زمینه خلق یک شبکه‌ عصبی یکسان با مغز انسان، افق‌های روشنی را به وجود آورده است. این گروه موفق به ساخت یک شبکه عصبی شدند که بر مبنای ممریستورهای پلاستیکی یا مموری رزیستور طراحی شده است. شبکه‌ای که این توانایی را دارد تا مقاومت الکتریکی قبلی خود را به یاد آورد.

مطلب پیشنهادی

توسط هوش و مغز مصنوعی

سرمایه‌گذاری 28 میلیون دلاری برای شکست هوش انسانی

یک ممریستور یک عنصر الکتریکی شبیه به مقاومت‌های معمولی است که به‌طور طبیعی رفتاری شبیه به یک مغز آنالوگ دارد. تفاوت اصلی یک ممریستور با یک عنصر سنتی در این است که مقاومت الکتریکی در یک ممریستور به میزان شارژی که از آن می‌گذارد، بستگی دارد. از این‌رو پایداری در یک ممریستور تحت تأثیر یک سیگنال خارجی تغییر پیدا می‌‌کند. حافظه موجود در یک ممریستور می‌تواند در یک لحظه بر اساس وضعیت مقاومت، داده‌های کدگذاری شده خود را تغییر دهد. واکنش‌های این شبکه عصبی به شیوه کاملا کارآمد و مؤثری، شبیه به سیناپس‌های مغز انسان هستند. این گروه از پژوهش‌گران امیدوار هستند بر اساس این رویکرد، یک شبکه عصبی واقعی را ایجاد کنند. شبکه‌ای که سیگنال‌های انتقالی آن به لحاظ زمانی، از ماندگاری بیش‌تری برخوردار باشند. به دلیل نوع فناوری و موادی که در طراحی این شبکه عصبی مورد استفاده قرار گرفته است، این شبکه نه تنها می‌تواند اندازه‌ای بسیار کوچک داشته باشد، (به لحاظ تئوری، در اندازه 10 نانومتر) بلکه در طراحی آن دیگر نیازی به استفاده از مواد سمی نخواهد بود.

دست‌یابی به این راه‌کار جدید، این توانایی را در اختیار دانش‌مندان قرار می‌دهد تا یک شبکه عصبی کاملا فشرده و کوچک را در حد یک تراشه معمولی طراحی کنند، بدون آن‌که نیازی به تکرار چرخه تولید ساختار مغز ضرورتی داشته باشد. البته لازم به توضیح است، این فناوری هنوز راه طولانی را به لحاظ تجاری شدن پیش روی دارد. یک نمونه اولیه این شبکه عصبی به عرض یک میلی‌متر ساخته شده است، اما فقط توانایی یادگیری وظایف ابتدایی و ساده را دارد. با این‌ حال، این پتانسیل را دارد تا رشد کرده و بزرگ‌تر شود. در کنار ساخت شبکه عصبی که رفتارش کاملا ارگانیک است، این شبکه این توانایی را دارد تا انقلابی در زمینه سیستم‌های یادگیری ماشینی و روبات‌هایی که به یک تراشه نسبتا کوچک نیاز دارند و باید دارای یک خودتفکری دیجیتالی باشند، به وجود آورد. اگر این فناوری بتواند پایداری، کارایی و مقرون به صرفه بودن خود را به اثبات برساند، آن‌گاه این احتمال وجود دارد که پایه و اساس کامپیوترهای هوش‌مندی شود که در آینده ساخته خواهند شد.

مطلب پیشنهادی

چیپ‌‌ست‌های کاشتنی که پس از اتمام کار در مغز حل می‌شوند

تلاش‌ها در زمینه نزدیک کردن رویکرد شبکه‌های عصبی مصنوعی به نمونه طبیعی در دستور کار بسیاری از مؤسسات و دپارتمان‌های تحقیقاتی سراسر دنیا قرار گرفته است. در نمونه مشابه دیگری، دانش‌مندان MIT در تلاش هستند، قابلیت پیش‌بینی را در اختیار کامپیوترها قرار دهند. مغز انسان این توانایی را دارد تا به سرعت به پیش‌بینی تحولات مختلف همچون برخورد دو شی با یکدیگر و تأثیری که بر یکدیگر می‌گذارند بپردازد. به‌طور مثال زمانی که یک شی همچون یک توپ از بالای مکانی به سمت پایین پرتاپ می‌شود، شما این توانایی را دارید تا بر اساس اندازه، وزن و ارتفاع پیش‌بینی کنید، در اثر برخورد توپ با سطح چه اتفاقی رخ خواهد داد. بر اساس همین رویکرد دانش‌مندان MIT و آزمایش‌گاه هوش مصنوعی گالیله در تلاش برای ساخت یک "موتور فیزیکی بصری" و یک الگوریتم یادگیری عمیق در زمینه پیش‌بینی آزمایش‌های ساده هستند. به نظر می‌رسد این گروه با استفاده از ابزارهای دنیای فناوری موفق شده‌اند، تا حدودی به این موفقیت دست پیدا کنند. به‌طوری که سیستم‌ طراحی شده توسط آن‌ها با نگاه کردن به یک صفحه توانایی پیش‌بینی نحوه برخورد اشیا با یکدیگر را دارد. عاملی که باعث شده است تحقیقات این گروه مورد توجه رسانه‌ها قرار گیرد به میزان دقت این سیستم باز می‌گردد. به‌طوری که پیش‌بینی‌های ارائه شده از سوی این سیستم در بعضی موارد با پیش‌بینی‌های انسانی برابری می‌کند.

شاید به این مطالب هم علاقمند باشید:

سنفونی پایان غیر طبیعی جهان به روایت استیون هاوکینگ