در حالی که امروزه بسیاری از کامپیوترهای شخصی از حجم ذخیره‌سازی قابل مقایسه‌ای با مغز انسان استفاده می‌کنند، اما توانایی آن‌ها در تشخیص الگوها و یادگیری اطلاعات هیچ‌گونه مطابقتی با مغز انسان ندارد. در حالی که بخش اعظمی از دانشمندان فعال در حوزه پژوهش‌های عصبی و فناوری تخمین زده‌اند که ظرفیت ذخیره‌سازی مغز انسان چیزی در حدود 10 تا 100 ترابایت است، عده دیگری بر این باور هستند که این رقم نزدیک به 2.5 پتابایت است.

مطلب پیشنهادی

سیستم بینایی مصنوعی

ترمیم بینایی مصنوعی با دوربین چشمی و تراشه مغزی

مغز انسان به لحاظ عملکرد این توانایی را دارد تا در قالب یک فرآیند عادی و روزانه به تحلیل‌ داده‌ها، الگوهای شناختی و یادگیری بپردازد. یک انسان تنها با چند بار نگاه کردن به یک ماشین توانایی شناسایی آن‌را خواهد داشت، در حالی که یک سامانه هوش مصنوعی برای آن‌که این توانایی را داشته باشد به صدها فرآیند یا حتی هزاران نمونه اولیه که اطلاعات لازم را در اختیار آن قرار می‌دهند نیاز دارد. در حالی که در ظاهر چنین به نظر می‌رسد که مغز انسان کاملا برتر است، اما در مقابل هوش مصنوعی نیز نقاط قوت خاص خود را دارد. به‌طور مثال، در زمینه پردازش اطلاعات متفاوت در یک لحظه این هوش مصنوعی است که برتری‌های قابل توجهی نسبت به مغز انسان دارد. پردازش‌هایی که در اغلب اوقات پیچیده و متنوع بوده و با حجم بالایی از داده‌ها سر و کار دارد.

بزرگان عرصه پژوهشی دانشگاه هاروارد با یکدیگر همراه می‌شوند

محققان دانشکده مهندسی و علوم کاربردی جان پاولسون در هاروارد  Harvard's John A. Paulson School of Engineering and Applied Sciences م(SEAS)، مرکز مطالعات مغزی Centre for Brain Studies م(CBS)، دپارتمان بیولوژی مولکولی و سلولی (Department of Molecular and Cellular Biologies) در یک طرح جامع در زمینه ضبط فعالیت‌های مغزی در ناحیه قشر بصری مغز همکاری خواهند داشت. ناحیه‌ای که دسترسی به اطلاعات آن یکی از بزرگ‌ترین آرزوهای بشر است. آن‌ها امیدوار هستند با جمع‌آوری و تحلیل اطلاعاتی که به دست خواهد آمد، به این پرسش پاسخ دهند که چگونه نورون‌های مغز به یکدیگر متصل شده و با یکدیگر ارتباط برقرار می‌کنند و چگونه می‌توان این الگو را در ارتباط با هوش مصنوعی مورد استفاده قرار داد.

رویکردی که در آن سامانه‌های هوش مصنوعی به مراتب دقیق‌تر و پیچیده‌تری بر مبنای تعامل نورن‌ها با یکدیگر طراحی خواهد شد. موفقیت‌آمیز بودن این پروژه در نهایت، باعث خواهد شد، شاهد ظهور نسل جدیدی از کامپیوترها باشیم. کامپیوترهایی که به راحتی توانایی ترجمه، تحلیل و یادگیری را خواهند داشت. این کامپیوترها نه تنها به لحاظ عملکرد همانند مغز انسان کار خواهند کرد، بلکه این توانایی را دارند تا چنین پردازش‌هایی را با سرعت بسیار بالایی انجام دهند.

این سامانه فوق هوش‌مند در چه بخش‌هایی مورد استفاده قرار خواهد گرفت؟

این چنین سیستم‌هایی نه تنها توانایی شناسایی حملات پیرامون شبکه‌ها و خواندن MRI (تصویرسازی تشدید مغناطیسی) را دارند، بلکه توانایی راندن وسایل نقلیه را نیز خواهند داشت. در عالی‌ترین شکل ممکن این سامانه‌ها به عنوان مکملی برای مغز انسان‌ها مورد استفاده قرار خواهند گرفت. هانسپیتر فیستر، استاد علوم کامپیوتر در دانشگاه هاروارد در این باره گفته است: «اگر بخواهم الگوی شناسایی و توانایی یادگیری این روزهای ماشین‌ها را با مغز پستانداران مورد مقایسه قرار دهم، باید بگویم الگوی ماشین‌ها بسیار بدوی و ابتدایی است. پروژه‌ای که اکنون در جریان است، تنها محدود به افزایش سطح آگاهی و دانش ما از عملکرد مغز نیست، این پروژه در نظر دارد به این واقعیت دست پیدا کند که علوم کامپیوتری قادر به انجام چه کارهایی هستند. ما در نظر داریم مدارات عصبی را در سطحی که مشابه آن تاکنون در دنیای علم ساخته نشده است، در ظرفیت پتابایت و بر اساس یک ساختار کاربردی از داده‌ها مورد بازسازی مجدد قرار دهیم. برای این منظور ما به یکسری ملزومات نیاز داریم. بر همین اساس، لازم است پیش‌رفت‌های جدید و قابل توجهی در زمینه مدیریت، محاسبات با کارایی بالا، بینایی ماشینی و تحلیل‌های شبکه‌ای به وجود آید.»

مطلب پیشنهادی

فرمان‌پذیری روبات‌ها؟!

روزی که روبات‌ها به انسان «نه» بگویند

زمانی که جزییات عصبی مورد نظر جمع‌آوری شوند، تیم‌ها سعی خواهند کرد به درستی به این حقیقت دست پیدا کنند که دقیقا چه ارتباطی مابین نورون‌ها وجود دارد و این ارتباط چگونه به یک سیستم اجازه می‌دهد اطلاعات را پردازش کند. این الگوریتم‌های الهام گرفته از زیست فناوری، بدون شک قابلیت‌های هوش مصنوعی را به‌طرز محسوسی افزایش خواهد داد و همچنین پیش‌رفت‌های قابل توجهی در بینایی ماشینی و سیستم‌های شناسایی به وجود خواهد آورد. دیوید کاکس مدیر پروژه و استادیار زیست مولکولی و سلولی و علوم کامپیوتر در این ارتباط گفته است: «این یک چالش بسیار بزرگ همانند رفتن به ماه است.

مطلب پیشنهادی

یادگیری ماشینی در مسیر تکامل

مسابقه خوش‌نویسی میان انسان و روبات

ارزش علمی ضبط فعالیت‌های نورون‌ها در مقیاس بسیار بالا و ترسیم نقشه راهی برای این اتصالات یک چالش بسیار عظیم و گسترده است، اما ترسیم چنین نقشه‌ای تنها نیمی از راه خواهد بود. زمانی‌که ما اصول اساسی حاکم بر مغز که در نهایت منجر به یادگیری می‌شوند را کشف کرده‌ایم، در نتیجه تصور این‌که ما سرانجام این توانایی را به دست خواهیم آورد که سامانه‌های کامپیوتری که یکسان یا حتی برتر از مغز انسان عمل کنند را ایجاد کنیم دور از ذهن نخواهد بود. وظیفه سنگینی در پیش‌برد این پروژه به ما واگذار شده است، اما در پایان روز، این تحقیق به ما کمک خواهد کرد تا آگاه شویم دقیقا چه رخ‌داد‌های خارق العاده‌ای در مغز ما در گذر است. یکی از هیجان برانگیزترین بخش‌های این پروژه این است که بدانیم مغز انسان در سطوح زیرساختی و بنیادی چگونه کار می‌کند.»

امروزه فعالیت‌های گسترده و زیادی در ارتباط با عملکرد مغز انسان و فراتر از آن تعامل مغز انسان با دنیای فناوری و زیست فناوری در جریان است. این فعالیت‌ها و تحقیقات به گونه‌ای در حال شکل‌گیری هستند که به مغز انسان این توانایی را بدهند تا با استفاده از دستاوردهای دنیای فناوری بتواند اطلاعاتی را به درون دستگاه‌ها وارد کرده یا یک ارتباط متقابل را با این دستگاه‌ها بر قرار کند.

اگر به خاطر داشته باشید نزدیک به دو ماه پیش خبر از یک دستاورد بزرگ در این حوزه دادیم. طراحی مغز مصنوعی آنابل یک جهش بزرگ در این زمینه بود. پروژه‌ای که در آن دانشمندان مغز مصنوعی با توانایی یادگیری ارتباط کلامی ساختند. در نمونه دیگری آی بی ام کار از مدت‌ها قبل کار روی الگوریتم نومنتا را آغاز کرده بود. الگورتیمی که به لحاظ رفتاری شباهت زیادی به مغز انسان دارد. همان‌گونه که در مقاله "آی‌بی‌ام آزمایش نرم‌افزارها و الگوریتم‌های همانند مغز انسان را آغاز کرد" به آن اشاره کردیم، پایه و اساس این الگوریتم مبتنی بر نئوکورتکس است.