مترجم: علي طالبي
طي سالها تلاش در راه بهبود فناوري كامپيوتر ما هنوز در تلاشيم كه پردازش مغز انساني را با حداقل مصرف انرژي و به شكلي ايدهآل بازسازي كنيم. حالا، محققان به پيشرفتي رسيدهاند كه بر اساس آن كامپيوترها ميتوانند بخشي از طراحي مغز را تقليد كنند، يعني نسخه مصنوعي فضا را كه در آن سلولهاي عصبي (نرون) با هم ارتباط برقرار ميكنند، سيناپس ناميده ميشود.
آلبرتو سالو، استاديار علوم و مهندسي مواد در دانشگاه استندفورد و نويسنده ارشد اين مقاله ميگويد: «كاركردن آن شبيه سيناپس واقعي است ولي ابزار اورگانيك الكترونيكي است كه بر اساس اصول مهندسي ساخته شده است. اين كاملاً ابزاري از خانواده جديد است، چراكه اين نوع معماري قبلاً مشاهده نشده است. براي بسياري از اندازهگيريهاي مهم اين دستگاه بهتر از هر وسيلهاي كه قبلاً با مواد غيرآلي ساخته شده است عمل ميكند.» بر اساس گزارش بيستمين شماره نشريه مواد طبيعي (نيچر متريالز) سيناپس جديد مصنوعي شبيه همان روش انتقال سيگنال توسط سيناپسهاي مغزي كار ميكنند. اين مسئله از نظر صرفهجويي انرژي نسبت به محاسبات سنتي بسيار قابل توجه است كه بر اساس آن پردازش اطلاعات جداگانه صورت ميگيرد و بعد در حافظه ذخيره ميشود. در اينجا حافظه با عمل پردازش توليد ميشود.
سيناپس روزي ممكن است بخش از كامپيوترهاي شبيهسازي شده با مغز شود كه بهخصوص براي محاسبههاي مربوط به كار سيگنالهاي بينايي و شنوايي مفيد خواهد بود. نمونههاي مربوط به عبارتند از ارتباطات كنترلي از طريق صدا و خودروهاي بدون راننده. تلاشهاي گذشته در اين حوزه موجب توليد شبكههاي عصبي با كاركرد بسيار بالا شده است كه با الگوريتم هوشمند مصنوعي پشتيباني ميشوند ولي اين نوع هوش مصنوعي از كاركرد مغز تقليد ميكند و در مصرف انرژي به سختافزارهاي سنتي كامپيوتري نياز دارد و در نتيجه با عملكرد مغز فاصله زيادي دارند.
ساختن مغز
وقتي ما چيزي را ميآموزيم، سيگنالهاي الكتريكي بين نورونهاي (سلولهاي عصبي) مغز ما ارسالميشوند. بيشترين انرژي زماني مورد نياز است كه اتصال سيناپسي براي اولين بار رخ ميدهد. بعد از آن هر اتصالي به انرژي كمتري نياز دارد. به اين ترتيب است كه سيناپسها به شكلي كارآمد هم يادگيري چيزي جديد و هم به خاطر سپردن آنچه قبلاً آموختهايم را تسهيل ميكند. سيناپسهاي مصنوعي برخلاف ساير انواع محاسبات شبيه مغز، همزمان همين دو كار را، البته با صرفهجويي قابل ملاحظهاي از انرژي، انجام ميدهند.
يوري وان دو برگت، دانشجوي سابق در مقطع فوقدكتري در آزمايشگاه سالو و نويسنده اول اين مقاله ميگويد: «الگوريتمهاي يادگيري عميق بسيار قدرتمند هستند ولي اين الگوريتمها براي محاسبه و شبيهسازي حالتهاي الكتريكي و ذخيره آنها در جايي ديگر به يك سري پردازنده متكياند كه در رابطه با مصرف وقت و انرژي ناكارآمد هستند. كار ما به جاي شبيهسازي شبكه عصبي، دنبال كردن ساختن يك شبكه عصبي است.»
سيناپس مصنوعي بدون باتري كار ميكند. اين نوع سيناپس از دو لايه نازك و انعطافپذير و سه ترمينال تشكيل ميشود كه توسط الكتروليت آب نمك اتصال پيدا ميكنند. اين ابزار نقش ترانزيستور را دارد كه در آن يكي از ترمينالها جريان الكتريسيته بين دوتاي ديگر را كنترل ميكند.
منبع: ساينس ديلي
