محققان در Penn State موفق به ساخت نوع جدیدی از چیپ‌های کامپیوتری شده‌اند که می‌تواند کلید خلق کامپیوترهای نورو مورفیک (شبیه به مغز) باشند که قادر هستند مسائل فوق‌العاده مشکل را با صرف یک درصد نیرویی که چیپ‌های امروزی به مصرف می‌رسانند حل کنند.
این چیپ‌ها محتوی نوعی اکسید فرار هستند که در فرکانس مشخصی به نوسان پرداخته و با چیپ‌های مشابه هم جوار خود همگام می‌شوند؛ درست همانگونه که نورون‌ها در مغز انسان با هماهنگی یکدیگر تحریکات را ایجاد می‌کند. همانطور که ممکن است اطلاع داشته باشید، تمام کامپیوترهای امروزی بر مبنای منطق بولین پایه‌گذاری شده‌اند که مجموعه‌ی محدودی از قواعد منطقی (و، یا، ...) که همیشه منجر به پاسخ‌های «صحیح» یا «غلط» هستند و حالت میانه در آنها وجود ندارد.
در یک پردازنده‌ی مدرن، هر واحد عملکردی در حقیقت مجموعه‌ای است از ورودی‌های منطق بولین که توسط ترانزیستورها ساخته شده‌اند. یک ترانزیستور (و به تبع آن ورودی‌ها) می‌تواند دو حالت روشن یا خاموش (صحیح یا غلط) را به خود بگیرد و همانگونه که گفته شد حد میانی وجود نخواهد داشت. تا کنون همانطور که می‌توانید در تمام کامپیوترها و رابط‌هایی که محیط اطراف ما را در بر گرفته‌اند مشاهده کنید، پردازش باینری و بولین در حد خود بسیار موفق بوده و همه‌گیر شده است.
اما متاسفانه کامپیوترهای مبتنی بر منطق بولین بی‌نقص نیستند.حتی قدرتمندترین نمونه‌های این نوع از پردازش (برای نمونه سوپرکامپیوترهایی نظیر Tianhe 2 که در تصویر بالا می‌بینید با ۳۳ پتافالوپ) نمی‌توانند با چند کیلو چربی که ما بعنوان مغز انسان می‌شناسیم رقابت کنند. مغز بر مبنای منطق بولین شکل نگرفته و به پردازش باینری نیز نمی‌پردازد. با این وجود این قسمت از بدن ما می‌تواند به اجرای گسترده‌ترین و پیچیده‌ترین فعالیت‌های پردازشی پرداخته و در عین حال تنها مقدار اندکی نیرو مصرف کند. مغز انسان چیزی حدود ۵۰ وات انرژی نیاز دارد در حالی که ابر رایانه‌ی Tianhe 2 حدود ۱۷ مگاوات مصرف دارد که ۳۴۰ هزار برابر بیشتر است.
صادقانه بگوییم، ما هنوز نمی‌دانیم که مغز ما چطور توانایی مدیریت چنین قدرت‌های پردازشی عظیمی را داراست؛ اما راز این قدرت احتمالا در همگامی واحدهای عصبی آن و نیز استفاده از منطق گسترده بجای منطق قطعی بولین/باینری برای پردازش است. زمانی که مغز شما به پردازش مقادیری از داده‌ها می‌پردازد (مثلا تلاش برای تطبیق چهره‌ی شخص ملاقات شده با صورت یک دوست و آشنا) بطور دقیق به تولید پاسخ بله یا خیر نمی‌پردازد و شباهت‌های حدودی را نیز قادر است بازتاب داده و یادآور چهره‌ی شخص باشد. آنچه به نظر اتفاق می‌افتد این است که هر مشاهده، حس کردن بو یا حتی تجربه‌ای، الگوی بسیار مشخصی از تحریک نورون‌های بخصوص بصورت همگام با یکدیگر را رقم می‌زند.
محققان Penn State معتقد هستند که با متصل نمودن میلیون‌ها واحد از این المان‌های حاوی اکسید، در یک چیپ کامپیوتری می‌توان عملکرد همگام‌سازی و تحریک نقطه به نقطه‌ای که در مغز بوجود می‌آید را شبیه‌سازی نمود. ایده‌ی اصلی از این قرار است که شما چند مجموعه از المان‌های نوسان‌ساز را به گونه‌ای ترتیب دهید که هر یک از نواحی، به روش مشخصی بر اساس داده‌هایی که ذخیره می‌کنند به تولید نوسان بپردازند. اگر یک ناحیه‌ی دیگر که داده‌ی مشابه یا دقیقا یکسانی را ذخیره کرده باشد، این قسمت نیز به همگام ساختن نوسانات خود با سایر بخش‌ها خواهد پرداخت و در این میان، درجه‌ی همگام بودن مجموعه را می‌توان اندازه‌گیری نمود. بنا بر گفته‌ی محققان، تمام این فرآیند با مقدار بسیار اندکی نیرو به فعالیت خواهد پرداخت که حدود یک درصد انرژی مصرف شده توسط کامپیوترهای دیجیتال امروزی به شمار می‌رود.
همانگونه که احتمالا حدس می‌زنید، همچنان کارهای بسیاری برای انجام دادن در این حوزه باقی مانده و این تحقیق نیز با نتیجه‌ی عملی و نهایی فاصله دارد؛ اما به هیچ عنوان نمی‌توان منکر احتمالات هیجان‌انگیز و مرزهای ممکن بوجود آمده توسط آن شد. کار بر روی چیپ های نورومورفیک طی چند سال گذشته با پیشرفت‌های قابل توجهی روبرو بوده و هرچه تلاش شود از آنها در کامپیوترها و ربات‌هایی که هوشمندی نزدیک به انسان دارند استفاده گردد، شتاب پیشرفت بیشتری به خود خواهند گرفت.
تلاش برای تولید چنین پردازشگرهایی در حالی انجام می‌شود که حوزه‌های دیگر هوشمندسازی نیز روز به روز با پیشرفت مضاعف روبرو هستند. تصور کنید چنین قدرت پردازشی با آن مصرف انرژی پایین و توان فوق‌العاده، باهوش مصنوعی که قادر به جهان‌بینی و درک اطلاعات ورودی است یکپارچه گردد. نتیجه هرچه باشد مسلما با آینده‌ای بسیار هیجان‌انگیز و مبهم روبرو خواهیم بود.
ارسال به دوستان
نسخه چاپی