توسعه کامپیوتر هایی با شباهت بیشتر به عملکرد مغز انسان
شاه بلاگ: شاه بلاگ: پژوهشگران هلندی در مطالعه اخیرشان برای نخستین بار نشان داده اند که توسعه یک سیستم محاسباتی مانند مغز در کوچک ترین مقیاس اتم امکانپذیر است.
به گزارش شاه بلاگ به نقل از ایسنا و به نقل از آی او، در مطالعه ای که بتازگی در دانشگاه توئنته(UT) در هلند انجام شد، پژوهشگران رویای توسعه کامپیوتر های جدید شبیه مغز را یک قدم به واقعیت نزدیک تر کردند. یک گروه بین المللی از پژوهشگران به سرپرستی پروفسور "کریستین نیجویس"(Christian Nijhuis) نوع جدیدی از سوئیچ مولکولی را توسعه داده اند که می تواند از رفتارهایی که قبلا داشته است، بیاموزد. بگفته پژوهشگران این مولکول ها به همان روشی که مغز ما این کار را انجام می دهد درحال فراگیری این مساله هستند.
پروفسور "کریستین نیجویس" اظهار داشت: کامپیوتر ها، مراکز داده و سایر وسایل الکترونیکی انرژی زیادی مصرف می کنند. ما حالا درحال ساخت مزارع بادی بزرگ هستیم تا بتوانیم این تقاضای انرژی را برآورده نماییم. اما ما همین طور می توانیم توجه خودرا به کارآمدتر کردن وسایل الکترونیکی خود معطوف نماییم. مغز ما جزو کارآمدترین کامپیوتر هایی است که می شناسیم. مغز ۱۰ هزار برابر کمتر از مقرون به صرفه ترین کامپیوتر ها انرژی مصرف می کند. این بدین سبب است که مغز ما داده ها را به روش های کاملا متفاوتی پردازش می کند. در صورتیکه کامپیوتر ها جریان های باینری اطلاعات را با صفر و یک پردازش می کنند، مغز ما بطور مشابه با پالس های وابسته به زمان کار می کند. مغز ما اطلاعات میلیونها سلول عصبی را که از تمام حواس ما می آیند، بدون هیچ مشکلی پردازش می کند. هنگام انجام این کار، برخلاف الکترونیک سنتی، تنها از سلول های مغز و سیناپس هایی استفاده می نماید که پالس ها از آن عبور می کنند. از آنجا که انرژی فقط در یک پالس مصرف می شود، مغز ما می تواند خیلی از داده ها را در یک زمان بسیار کارآمدتر پردازش کند.
سخت افزار برای هوش مصنوعی
مولکول هایی که نیجویس و تیمش مهندسی کرده اند، می توانند تمام عملیات گیت منطقی بولی(Boolean logic gate) مورد نیاز برای یادگیری عمیق را انجام دهند. در الکترونیک دیجیتال، دروازه منطقی یا گِیت منطقی(Logic gate)، روی یک یا دو ورودیِ منطقی، عملیات منطقی انجام می دهد و یک خروجی منطقی تولید می کند. اساس عملکرد آن بر منطق بولی استوار است که بر تمام مدارهای دیجیتال حاکم است. گیت های منطقی عمدتا از ادوات الکترونیکی مانند ترانزیستورها تشکیل می شوند ولی ممکنست از قطعات الکترومغناطیسی مانند رله ها، قطعات نوری یا حتی مکانیکی ساخته شوند.
یادگیری عمیق شکلی از یادگیری ماشینی مبتنی بر شبکه های عصبی مصنوعی است و به شکل گسترده نه فقط در مورد تشخیص خودکار تصاویر و گفتار، بلکه در جستجوی داروهای جدید و اخیراً در خلق هنر نیز استفاده می شود. نیجویس اشاره کرد که انجام همه آنها برای کامپیوتر بسیار دشوارتر از مغز ما است. پژوهشگران در حوزه نرم افزارهای هوش مصنوعی پیشرفت زیادی کرده اند، اما این مولکول ها حالا سخت افزار هوش مصنوعی را نیز به هم نزدیک تر می کنند.
نورون های مصنوعی
برای شبیه سازی رفتار دینامیکی سیناپس ها در سطح مولکولی، پژوهشگران انتقال سریع الکترون را با جفت شدن آهسته پروتون که توسط انتشار محدود می شود ترکیب کردند. این عملیات شبیه پالس های سریع و جذب آهسته انتقال دهنده های عصبی از نورون های مغز ما است. مولکول ها می توانند قدرت و مدت این پالس ها را تغییر دهند. به این ترتیب، آنها نوعی شرطی شدن کلاسیک را نشان می دهند. مولکول ها رفتار خودرا با محرک هایی که قبلا دریافت کرده اند تطبیق می دهند. در آینده این نوع مولکول ها ممکنست به محرک های دیگری مانند نور نیز پاسخ دهند.
این پیشرفت، فرصت هایی را برای توسعه طیف جدیدی از سیستم های قابل انطباق و پیکربندی مجدد باز می کند. اینها به نوبه خود می توانند به توسعه سیستم های تطبیقی چند منظوره جدید منجر شوند که شبکه های عصبی مصنوعی را بطور چشمگیری ساده می کنند.
نیجویس اضافه کرد: با انجام این کار، ما بطور شایان توجهی مصرف انرژی الکترونیک خودرا کاهش خواهیم داد. مولکول های چند منظوره که به نور نیز حساس هستند یا می توانند مولکول های دیگر را شناسایی کنند، می توانند بطور بالقوه به توسعه انواع جدیدی از شبکه های عصبی یا حسگرها منجر شوند.
یافته های این مطالعه در مجله "Nature Materials" منتشر گردید.
منبع: شاه بلاگ
این مطلب را می پسندید؟
(1)
(0)
تازه ترین مطالب مرتبط
نظرات بینندگان در مورد این مطلب