شفقنا – محققان دانشگاه کالیفرنیای جنوبی نورونهای مصنوعی جدیدی ساختهاند که فرآیندهای شیمیایی پیچیده سلولهای مغزی واقعی را از نظر فیزیکی شبیهسازی میکنند، نه اینکه فقط آنها را با مدلهای ریاضی تقلید کنند. این پیشرفت در محاسبات نورومورفیک میتواند مصرف انرژی تراشههای هوش مصنوعی را به شدت کاهش دهد و ما را به سمت هوش مصنوعی عمومی یک گام نزدیکتر کند.
به گزارش سرویس ترجمه شفقنا، پیش از این کامپیوترها رفتار مغز را با نرمافزار شبیهسازی میکردند. در روش جدید، یک تراشه ساخته شده که ساختار فیزیکیاش شبیه نورونهای مغز است. مغز انسان برای کار کردن از حرکت مواد شیمیایی دارای بار الکتریکی (مثل یونها) استفاده میکند. این نورونهای مصنوعی هم برای محاسبات خود از حرکت اتمها یا یونها درون قطعات کوچک استفاده میکنند.
یعنی این تراشه جدید، مانند مغز واقعی اصول فیزیکی و شیمیایی مغز را مستقیماً در ساختار خود پیاده کرده است. این باعث میشود که سیستمهای هوش مصنوعی مصرف انرژی بسیار کمتری داشته باشند و کارآمدتر شوند.
نورونهای مصنوعی جدید بر اساس یک قطعه جدید به نام «مِمریستور انتشار دهنده» ساخته شدهاند. فضای مورد نیاز این نورون مصنوعی تنها به اندازه یک ترانزیستور است، در حالی که طرحهای قدیمی برای شبیهسازی یک نورون به دهها تا صدها ترانزیستور احتیاج داشتند. این کاهش اندازه به این معنی است که میتوان تراشههای هوش مصنوعی را بسیار کوچکتر ساخت و مصرف انرژی آنها را چندین برابر کاهش داد.
سیستمهای محاسباتی کنونی، اگرچه قدرتمند هستند، اما برای اجرای مدلهای بزرگ یادگیری ماشینی (مثل آنچه در هوش مصنوعی دیده میشود) انرژی بیش از حد زیادی مصرف میکنند که پایداری ندارد.
مغز انسان محاسبات پیچیده و یادگیری را تنها با حدود ۲۰ وات انرژی انجام میدهد، در حالی که ابررایانههای امروزی به چندین مگاوات انرژی نیاز دارند.
مغز با جابهجایی یونها یاد میگیرد که این روش یک یادگیری سختافزاری و پایدار است. محققان میگویند یونها رسانه بهتری نسبت به الکترونها برای تقلید این اصول هستند. این کار میتواند هوش مصنوعی را قادر سازد که مانند یک کودک، تنها با دیدن چند مثال، یاد بگیرد، نه هزاران داده.
این گام بزرگ به سمت ساخت بلوکهای ساختمانی فشرده و کارآمد برای نسل بعدی تراشههای نورومورفیک است که میتواند هوش مصنوعی عمومی را به واقعیت نزدیکتر سازد.
این خبر را اینجا ببینید.
