واحد مشترک کمکی پژوهش و مهندسی «هوش یار-تواندار»     (HT-CSURE)

واحد مشترک کمکی پژوهش و مهندسی «هوش یار-تواندار» (HT-CSURE)

Hooshyar-Tavandar Common Subsidiary Unit for Research & Engineering
واحد مشترک کمکی پژوهش و مهندسی «هوش یار-تواندار»     (HT-CSURE)

واحد مشترک کمکی پژوهش و مهندسی «هوش یار-تواندار» (HT-CSURE)

Hooshyar-Tavandar Common Subsidiary Unit for Research & Engineering

Cyc، جاه‌طلبانه‌ترین پروژه‌ی هوش مصنوعی در جهان که برای حدود ۳۰ سال در سکوت توسعه یافته است

نویسنده: مسعود آموزگار پنج شنبه, 02 مرداد 1393 ساعت 22:28 
Artificial Inteligencee

اگر تصور می‌کنید اوج تلاش‌های شکل‌گیری هوش‌ مصنوعی توسط کمپانی‌های مطرحی همچون اپل، گوگل و مایکروسافت انجام می‌شود باید بدانید که در اشتباه هستید. سیستم های ارائه شده توسط این شرکت‌ها سطحی‌ترین مرحله از هوشمندی را ارائه می‌کنند و کاملا تجاری هستند. با زومیت در ادامه همراه باشید تا شما را با نمونه‌ای واقعی از هوش مصنوعی که حدود سی سال بر روی آن کار شده، آشنا کنیم.

ظهور سیستم‌های هوشمندی نظیر واتسون که توسط IBM توسعه داده شده یا سیری اپل، موجی از درخواست برای یک سیستم هوش مصنوعی نظیر آنچه در مجموعه‌ی اِستار تِرِک وجود داشت را در جوامع بشری بوجود آورد. نوعی سیستم هوش مصنوعی که قادر باشد دستورالعمل‌ها را به زبان عامیانه‌ی انسان‌ها دریافت کند، استنتاج‌های مناسبی انجام داده و در نهایت بدون نیاز به میلیون‌ها واحد کدنویسی و فهماندن برنامه، عملیات مد نظر کاربر را انجام داده و پاسخگو باشد. 

به نظر می‌رسد کمپانی هوش مصنوعی Cycorp رویکرد متفاوتی پیش گرفته و تبدیل نمودن دانش و قوه‌ی ادراک بشری به کدهای قابل درک توسط رایانه را هدف کار خود قرار داده است تا کامپیوترها بتوانند به بهره گرفتن از آن بپردازند. توسعه‌دهندگان Cycorp زحمت ساختاردهی به میلیون‌ها قطعه از داده‌هایی که ما بعنوان انسان برای فهم جهان بر آن‌ها متکی هستیم و جهان‌بینی ما را شکل می‌دهند را به روشی قاعده‌مند درآورده‌اند تا ماشین‌ها را قادر سازند که از این دانش بعنوان منطق و دلیل استفاده نمایند. جالب است بدانید که به هیچ عنوان با یک استارت آپ تازه کار روبرو نیستیم و این کمپانی از سال ۱۹۸۴ تا کنون مشغول فعالیت بر روی این پروژه بوده و بزودی تولد ۳۰ سالگی خود را جشن خواهد گرفت! مدیرعامل Cycorp، داگ لینات می‌گوید:

ما روال کاری خود را بصورت عمدی بی سر و صدا پیش بردیم؛ بدون سرمایه‌گذاری خارجی، بدون قرض و بدهی. ما مقالات زیادی در خصوص کارهای خود ننوشتیم و در کنفرانس‌های چندانی نیز شرکت نکردیم. اما برای اولین بار پس از ۳۰ سال، به اندازه‌ی کافی به آنچه می‌خواستیم نزدیک شده‌ایم و پروژه‌ی خود را سرانجام در حدی می‌بینیم که بخواهیم در خصوص آن با شما صحبت کنیم. بسیاری از افرادی که در اینجا حاضر هستند از سی سال پیش تا کنون این پروژه را همراهی کرده‌اند. مری شپرد و من در آگوست سال 1984 شرکت Cycorp را تشکیل دادیم و هر دوی ما نیز همچنان در آن مشغول به کار هستیم. این مهم‌ترین پروژه‌ای است که هر کسی ممکن است بخواهد روی آن کار کند. این پروژه موجب تقویت هوش انسانی خواهد بود.

داگ لینات، مدیرعامل Cycorp

اگر به ساده‌ترین شکل ممکن قصد بیان فعالیت این پروژه را داشته باشیم، می‌توان گفت که Cycorp تلاش داشته بوسیله‌ی نرم‌افزار به خلق یک مغز بپردازد؛ آن هم کاملا از پایه.

هر بار که شما به هر نوعی از متن  یا سخنی که یک انسان برای انسان دیگر نوشته یا به زبان آورده در دنیای واقعی نگاه می‌کنید با اندکی تحلیل متوجه خواهید شد که این تکه‌ی متن سرشار است از شباهت‌ها، توجیه منطق، باور، توقع، ترس، مفاهیم کیفی، مقادیر بسیار متغیرها و معرف‌های کمی... در چنین مواقعی همگان به دنبال راهی هستند که بدون صرف هزینه به استفاده از این مسئله بپردازند. سیستم‌های متعددی که هیچ عمقی ندارند تلاش کرده‌اند جلایی از هوشمندی یا یادگیری آماری از مقادیر فراوان داده‌ها را به نمایش بگذارند و به کسب سود بپردازند. آمازون و نت‌فلیکس به شکل بسیار عالی به ارائه‌ی پیشنهاد در خصوص کتاب و فیلم‌های مورد نظر کاربر می‌پردازند بدون آنکه سیستم‌های آن‌ها هیچگونه درکی از فعالیتی که انجام می‌دهند یا اینکه چرا شخصی باید از چیزی خوشش بیاید داشته باشد. این همان تفاوت میان شخصی است که درک می‌کند چه فعالیتی را انجام می‌دهد و شخصی که تنها به انجام حرکات به اجرای آن‌ها می‌پردازد.

داگ لینات، مدیرعامل Cycorp

محصول توسعه یافته توسط Cycorp که Cyc نامیده شده بر اساس روال معمول "برنامه‌نویسی" نشده است. در حقیقت واژه‌ی برنامه‌نویسی برای این پروژه چندان صحیح نبوده و اگر بخواهیم بشکلی دقیق‌تر بیان خود را تصحیح کنیم، باید گفت که این پروژه به سیستم "آموخته" شده است. لینات می‌گوید که اغلب افراد برنامه‌های کامپیوتری را رویه‌های از پیش‌تعیین شده‌ای تصور می‌کنند که یک روند کاملا مشخص در دل خود دارد. اما ساختن Cyc برخلاف این حالت بوده و بسیار به آموزش دادن به یک کودک شباهت داشته است. او در ادامه می‌گوید:

ما از یک زبان یکپارچه و پایدار برای ساختن مدلی از دنیای واقعی استفاده می‌کنیم. این بدان معناست که Cyc قادر است در آنچه که افراد می‌خوانند یا برای یکدیگر می‌نویسند بجای دیدن فضای مشکی، فضای سفید را مشاهده کند.

یک نویسنده ممکن است به صراحت به انتخاب لغت‌ها و جملات مشخصی برای ارائه‌ی منظور در حین نوشتن بپردازد، اما در میان جملات، ممکن است خواننده نسبت به دریافت هرگونه استنباطی اقدام کند. Cyc نیز به‌گونه‌ای شکل گرفته که قادر به انجام اینگونه استنباط‌ها باشد. برای مثال این جمله را در نظر بگیرید: "جان اسمیت اولین بانک ملی را مورد سرقت قرار داد و در نتیجه‌ی آن به سی سال زندان محکوم شد". این جمله جزییات زیادی را فاش نمی‌کند و اطلاعاتی در خصوص نحوه‌ی دستگیر شدن جان اسمیت، بازداشت وی، محاکمه و گناهکار شناخته شدن بیان نمی‌کند. یک انسان هیچ‌گاه خود را درگیر فهم این موارد از جمله‌ی ارائه شده نمی‌کند چراکه مسلما بسیار حوصله سر بر، گیج‌کننده یا حتی گاهی توهین‌آمیز خواهد بود. شما هنگام ادای جملات به راحتی می‌توانید روی درکِ صحبت خود از سوی مخاطب حساب کنید. چنین مساله‌ای همانند استفاده از ضمیرها خواهد بود که شما با ادای هر یک در سخنان خود انتظار دارید شنونده به خوبی متوجه مرجع ضمیر مورد نظر شما بشود. حال باید بدانیم که متوجه شدن و اعمال برداشت صحیح چنین مواردی هرچند برای آدمی بسیار ساده است، اما برای یک کامپیوتر بسیار دشوار و دور از انتظار خواهد بود. با این حال پروژه‌ی Cyc قادر است به خوبی از پس انجام این موضوع برآید. لینات می‌گوید:

در صورتی که به کامپیوترها ماهیت انسانی داده شود، آن‌ها به یقین خود را به شکل موجوداتی متوهم، مبتلا به اسکیزوفرنی یا هر شکل دیگری از عدم پایداری به نمایش می‌گذاشتند. شما هیچ‌گاه نگهداری از یک کودک یا پختن غذا را به چنین شخصیتی واگذار نخواهید کرد چراکه از خطرات و غیرعاقلانه بودن این عمل آگاهی دارید. اما می‌بینیم که در دنیای امروز تلاش می‌کنند چنین فعالیت‌هایی را در افق توانایی‌های ربات‌های خانگی به نمایش بگذارند و به آن سو حرکت کنند. واگذاری اعمال مهم زندگی به چنین ربات‌هایی که هیچ فهم و درکی ندارند و همه چیز را به زبان خود صرفا پردازش می‌کنند درست مثل واگذار کردن مسائل به حیوانات خانگی خواهد بود!

اگر شما ربات‌های فعلی و ربات‌هایی که دنیا تصور می‌کند باید وجود داشته باشند را در نظر بگیرید متوجه خواهید شد که وجود آن‌ها به شدت وابسته به پروژه‌ای نظیر Cyc خواهد بود تا بتوانند به موجب آن درک صحیح‌تری از دنیای پیرامون خود داشته باشند. درست همانگونه که بر روی رایانه‌های خود به نصب سیستم‌عامل می‌پردازیم، ممکن است روزی Cyc را بر روی ربات‌های خانگی خود نصب کنیم تا دنیایی از دانش و فهم را از آن‌ها انتظار داشته باشیم. همچنین درست به همین دلیل که Cycorp پروژه‌ی خود را از صفر شروع کرده و تلاش نموده تقریبا دانش همه‌چیز را تحت پوشش خود قرار دهد، می‌توان انتظار کاربردهای فوق‌العاده گسترده‌ای را از آن متصور بود. این سیستم هم‌اکنون در آموزش ریاضیات به دانش‌آموزان کلاس ششم مورد استفاده قرار می‌گیرد! 

Cyc قادر است چنین وانمود کند که یک دانش آموز کلاس ششمی است که گیج شده و در این میان وظیفه‌ی کاربران این خواهد بود که به این هوش مصنوعی برای یادگیری ریاضیات ششم کمک کنند. در این میان نیاز به سرمایه‌گذاری احساسی و نیاز به تفکرات اساسی و... وجود دارد. برنامه‌ی ما مشخصا ریاضیات را درک می‌کند اما برخلاف نمونه‌های مشابه، به سادگی به صحبت‌های دانش آموزان گوش کرده و وجود ابهام در فهم آن‌ها را تشخیص می‌دهد. این برنامه قادر است رفتاری که موجب می‌شود بهترین یادگیری در اشخاص حاصل شود را تشخیص داده و به کار گیرد. یکی از مسائلی که ممکن است شاهد آن باشیم، ایجاد انقلابی در ریاضیات ششم است که البته سایر زمینه‌های علوم در رده‌های دیگر نیز می‌توانند از آن منتفع شوند. هیچ دلیلی برای عدم استفاده از این روش در پایه‌ی برنامه درسی وجود ندارد.

بیزینس اینسایدر در ادامه از لینات پرسیده که داگلاس هافستادر، نویسنده و متفکر مشهور ممکن است در خصوص Cyc چه نظری داشته باشد:

هافستادر ممکن است بداند برای هوشمند شدن سیستم‌ها چه کاری لازم است انجام شود، اما دست یافتن به این موضوع برای شخصی که متاسفانه من بوده‌ام دهه‌ها به طول انجامیده تا به گونه‌ای علمی و عملی به پیاده‌سازی این پروژه بپردازیم و طرحی عملی را ارائه نماییم. این پروژه با هیچ قصد و منظوری ایجاد نشده مگر آنکه کاربردی و مفید بوده باشد.

سیستمی چنین هوشمند، با برخورداری از جهان‌بینی و دانش، همان اندازه که می‌تواند بسیار مفید و پیشرفتی عظیم باشد؛ باعث رعب و ترس از این سطح هوشمندی خواهد بود. سیستم‌هایی که همچون انسان درک می‌کنند، تشخیص می‌دهند و با دانش خود پیشرفت خواهند کرد...

ایلان ماسک نگران است که هوش مصنوعی در نهایت منجر به ایجاد ترمیناتورهای واقعی شود!

نویسنده: مسعود آموزگار یکشنبه, 08 تیر 1393 ساعت 15:10 ایلان ماسک
ایلان ماسک

به نظر می‌رسد ایلان ماسک نسبت به نوآوری‌ها و ورود به زمینه‌های جدید در بخش‌های کلیدی فناوری اندکی نگران است. ایلان ماسک کسی است که در کمپانی تسلا تلاش دارد جنبش استفاده از خودروهای الکتریکی را پیشرفت دهد، در Space X در صدد بازاختراع حمل و نقل فضایی است و در SolarCity نیز می‌خواهد ایالات متحده را به قطب مرکزی انرژی خورشیدی بدل کند.

 با وجود این تلاش شدید برای پیشرفت دادن فناوری در حوزه‌های کلیدی، هنوز یک مساله موجب نگرانی ایلان ماسک است. این نگرانی چیزی نیست جز عطش سیری ناپذیر بشر برای بهبود و تقویت مداوم هوش مصنوعی و هوشمندتر ساختن آن در راستای افزایش قابلیت‌ها و توانایی‌هایش.

ایلان ماسک که در CNBC حاضر شده بود چنین توضیح داد که خود او سرمایه‌گذاری‌های بزرگی بر روی چندین کمپانی فعال در زمینه‌ی هوش مصنوعی انجام داده که البته نه به هدف بازدهی مالی نهایی، بلکه بیشتر برای بدست آوردن مزیت رقابتی و نقطه‌ی برتری در تکنولوژی‌ها و پیشرفت‌های نوین نسبت به این امر اقدام کرده است. او به میزبان خود، کلی اونس گفت:

من واقعا مایلم همیشه یک چشم خود را بر روی آنچه در زمینه‌ی هوش مصنوعی رخ می‌دهد نگه دارم. من حدس می‌زنم که پتانسیل یک پیامد خطرناک در این حیطه وجود دارد.

وقتی که اونس از او خواست که تفکرات خود در این خصوص را با تفصیل بیشتری بیان کند، ماسک در پاسخ به مجموعه‌ی کلاسیک سال 1984 جیمز کامرون یعنی مجموعه‌ی ترمیناتور بعنوان یک نوع از سناریو که بشریت باید از آن پیشگیری کند اشاره کرد:

منظورم این است که فیلم‌هایی هم در این زمینه ساخته شده است... برای نمونه ترمیناتور یکی از آن‌هاست. تصور نمی‌کنم که در فیلم ترمیناتور [بشر] هوش مصنوعی را برای ایجاد ترمیناتورها ساخته باشد؛ آن‌ها انتظارش را نداشتند، بلکه ترمیناتورها به نوعی پیامد ناخواسته‌ی این تکنولوژی بودند. این مساله چیزی مثل جریان Monty Python است. هیچ‌کس انتظار تفتیش عقاید اسپانیایی را نداشت... می‌دانید؟ ما مجبوریم محتاط باشیم.

ماسک بطور مشخص در طی این پرسش و پاسخ در حالت کاملا جدی قرار نداشت اما پیغام او که محققان باید در مسیر خود برای تحقق هوش مصنوعی احتیاط مضاعف به خرج دهند کاملا هوشمندانه به نظر می‌رسد.

پیامدهای ترسناکی می‌تواند وجود داشته باشد و ما به همین دلیل باید اطمینان حاصل کنیم که نتایج نهایی مطلوب باشند، نه بد. اونس در اشاره‌ای به برنامه‌های سفر به مریخ Space X پیشنهاد کرد که در چنین شرایطی که ربات‌ها کنترل زمین را بدست گیرند می‌توانیم به سادگی به مریخ فرار کنیم... اما ماسک چندان موافق نبود و در پاسخ گفت که چنین هوشی به سادگی می‌تواند ما را تا آنجا هم تعقیب کند.

نظر شما در خصوص تحقیقات و آینده‌ی هوش مصنوعی چیست؟ مسلما محققان این زمینه از علم با مسئولیت بزرگی روبرو هستند.

ایلان ماسک: هوش مصنوعی، از بمب اتم خطرناک‌تر است

نویسنده: مسعود آموزگار دوشنبه, 13 مرداد 1393 ساعت 19:05
Elon Musk
Elon Musk

اگر سرانجام روزی ربات‌ها به ما حمله کنند، حداقل ایلان ماسک می‌تواند بگوید که "به شما اخطار کرده بودم". این مخترع میلیاردر که علاقه خاصی به ممکن کردن غیرممکن‌ها دارد، عمیقا از هوش مصنوعی واهمه دارد. همین هفته نیز ایلان ماسک در توئیتر خود گفته که "ما باید در خصوص هوش مصنوعی بسیار محتاط باشیم؛ آن‌ها ممکن است از سلاح هسته‌ای هم خطرناک‌تر باشند".

 پیش‌تر نیز در خصوص نظر ایلان ماسک درباره‌ی هوش مصنوعی برای شما نوشته بودیم، اما به نظر می‌رسد مدیرعامل تسلا و اسپیس‌ایکس از موضع خود کوتاه نخواهد آمد. اگر همین موارد به اندازه‌ی کافی شما را نگران نمی‌کند، لازم است به چند اظهار نظر دیگری که در پی این توئیت ارسال کرده نیز توجه کنید. ماسک در توئیت دیگری گفته که "امیدوارم ما تنها بوت لودرهای ابرهوشمندی دیجیتال نباشیم. متاسفانه این احتمال رو به رشد است". منظور ایلان ماسک از بوت لودر، برنامه‌ای است که تنها به راه‌اندازی سیستم اصلی پرداخته و پس از آن هیچ کنترلی بر روی آن نخواهد داشت.

هر دوی این اظهار نظرها به اندازه کافی ترسناک هستند. مورد اول به مقایسه‌ی ربات‌هایی با قوه‌ی درک و شناخت با خطرناک‌ترین سلاح کشتاری روی زمین می‌پردازد و دیگری می‌گوید که ما تنها موجوداتی خواهیم بود که شرایط تسلط ربات‌ها را فراهم خواهیم کرد.

ایلان ماسک پیش‌تر نیز گفته بود که ما باید در خصوص توسعه‌ی هوش مصنوعی به شدت با احتیاط عمل کنیم و به حالت شوخی از ترمیناتور بعنوان یک رخداد محتمل که ممکن است در صورت به هم ریختن شرایط با آن مواجه باشیم سخن به میان آورده بود. تصور کردن روز نابودی انسان در این صورت چندان دشوار نیست... خصوصا با در نظر گرفتن تلاش‌های گوگل در بوستون داینامیکز که عجیب‌ترین و هولناک‌ترین ربات‌ها را تولید می‌کند و کافیست عنصر هوشمندی واقعی را به آن‌ها تزریق کرد که گوگل برای آن نیز چاره‌اندیشی کرده و DeepMind را به تصاحب خود درآورده است. ری کرزویل، متخصص و پیشرو تکنولوژی هوش مصنوعی که اتفاقا او نیز توسط گوگل به استخدام درآمده، بحثی متفاوت از آنچه ایلان ماسک مطرح می‌سازد را ارائه می‌کند. او معتقد است که: انسان‌های بیولوژیک توسط هوش مصنوعی از میدان به در نخواهند شد چرا که ما انسان‌ها از هوش مصنوعی برای بهتر کردن خودمان استفاده خواهیم کرد. کرزویل پیش‌تر در اوایل سال میلادی گفته بود که سناریوی تقابل ما با ماشین‌ها رخ نخواهد داد... بلکه به جای آن، ما به تقویت و بهبود ظرفیت‌های خود از طریق ترکیب با مخلوقات هوشمندمان خواهیم پرداخت.

به نظر می‌رسد ایلان ماسک نیز به کلی مخالف توسعه‌ی هوش مصنوعی نیست، بلکه تنها تلاش دارد که این توسعه با دقت هرچه تمام‌تر و در نظر گرفتن سناریوهای محتمل صورت پذیرد. هرچه باشد ایلان ماسک نیز هدف خودروهای هوشمند بدون نیاز به راننده را برای تسلای خود در ذهن می‌پروراند و به این هوش مصنوعی نیاز خواهد داشت.

چندی پیش در مقاله‌ای به تلاش‌های شرکت Cycorp پرداختیم که مدت ۳۰ سال تمام را به توسعه‌ی بی سر و صدای هوش مصنوعی خود پرداخته بود. این پروژه‌ی جاه‌طلبانه که Cyc نامیده می‌شود قادر است دانش بشری را درک کرده و جهان‌بینی داشته باشد. این سیستم قادر است از منظر دیگری هوشمندی را ارائه نماید که هرگز تا کنون به این سطح دست نیافته بود. علاوه بر این در خصوص ساخت تراشه‌های جدیدی نیز مطلبی ارائه کردیم که بر اساس آن، محققان موفق شده‌اند ساز و کار پردازشی مغز انسان را در تراشه‌های کامپیوتری پیاده‌سازی کرده و کارایی در همان سطح را برای آینده‌ای نه چندان دور ارائه نمایند. پس شاید لازم باشد به واقع توصیه‌های ایلان ماسک را آویزه‌ی گوش خود کنیم... البته اگر قصد بقا داشته باشیم!

نظر شما در این خصوص چیست؟ با ماسک هم‌ عقیده هستید یا همچون کرزویل تصور می‌کنید انسان‌ها هیچ‌گاه چنین کنترل اوضاع را از دست نخواهند داد؟

سرمایه‌گذاری ۳ میلیارد دلاری IBM برای تحول در دنیای تراشه‌ها و تولید پردازنده‌های ۷ نانومتری

نویسنده: حسین خلیلی صفا شنبه, 11 مرداد 1393 ساعت 10:33
IBMIBM

کمپانی IBM‌ اعلام کرد که در حال سرمایه‌گذاری ۳ میلیارد دلاری طی پنج سال آتی در زمینه‌ی توسعه‌ی فناوری‌ تولید تراشه‌ها با لیتوگرافی 7 نانومتری و همچنین توسعه راهکارهایی برای ابزارهای الکترونیک در دنیای پُست-سیلیکون است. همانطور که می‌دانید محدودیت‌های فیزیکی سیلیکون لزوم استفاده از ماده‌ی دیگری را برای ساخت ترانزیستورها پدید آورده است.

هدف از سرمایه‌گذاری عظیم IBM یافتن راهکارهایی برای پاسخ‌دادن به نیازهای کوتاه‌مدت و بلندمدتی است که با استفاده از نتایج آن بتوان محدودیت‌های موجود در فناوری تراشه‌ها را که در کاربردهایی چون سرویس‌های ابری و سیستم‌هایی با تحلیل داده‌هایی بزرگ احساس می‌شود، از بین برد. مطمئناً چنین سرمایه‌گذاری‌هایی منجر به پیشی‌گرفتن این کمپانی از سایر رقبا در زمینه‌ی فناوری‌های پیشرفته‌ی تولید تراشه خواهد شد که یکی از ملزومات تولید محصولات و ارائه‌ی سرویس‌ها در سال‌های پیش رو است.

اولین برنامه‌ی مطالعاتی و تحقیقاتی "۷ نانومتر و بیشتر" نام گرفته است که در جهت یافتن راه‌حل‌هایی برای چالش‌هایی است که‌ هم اکنون صنعت تولید تراشه‌های سیلیکونی را تهدید می‌کند. حوزه‌ی دوم سرمایه‌گذاری برای یافتن فناوری‌های جایگزینی به‌منظور استفاده در دنیای تراشه‌های پس از سیلیکون‌ها است که هم اکنون نقش اصلی را در ساخت تراشه‌ها بازی می‌کند و رفته‌رفته قادر به پاسخگویی به نیاز برای تقویت پردازنده‌ها به جهت عدم تبعیت از قانون مور نیست.

همچون محدودیت‌های فیزیکی که در ساخت تراشه‌های سیلیکونی رفته‌رفته گریبان‌گیر کمپانی‌ها می شود، ارائه‌ی سرویس‌های مبتنی بر تحلیل داده‌های بزرگ و سرویس‌های ابری، پردازنده‌ها و تراشه‌ها را به چالش می‌کشند. از جمله‌‌ی محدودیت‌هایی که هم‌اکنون صنعت تولید تراشه‌ها را تهدید می‌کند، نیاز برای پهنای باند بیشتر بین حافظه‌ی رم و پردازنده، نیاز به برقراری ارتباطات بیشتر و همچنین کاهش مصرف انرژی در تراشه‌ها است.

این پروژه با همکاری طیف وسیعی از محققان و مهندسان IBM از سراسر شعبات پیش برده خواهد شد. بخش عمده‌ای از تحقیقات در زمینه‌هایی انجام خواهد شد که نیازها به آن‌ها شدیداً احساس می‌شود و پیش از سرمایه‌گذاری نیز متخصصان IBM تحقیقاتی را در این حوزه به انجام رسانده‌اند. این تحقیقات شامل نانوالکترونیک‌های کربنی، فوتونیک‌های سیلیکونی، فناوری‌های جدید حافظه و معماری‌هایی است که از رایانش کوانتومی و رایانش شناختی پشتیبانی می‌کنند. تمامی فناوری‌های نام برده با هدف حل مشکل فیزیکی تولید تراشه‌ها و همچنین بهینه‌سازی هرچه بیشتر مصرف انرژی به وجود آمده‌اند.

همانطور که گفتیم، بیگ‌بلو علاوه بر موراد ذکر شده، سرمایه‌گذاری‌هایی را در زمینه‌ی نانوتکنولوژی و رایانش کوانتومی انجام خواهد داد که در سه‌دهه‌ی اخیر یکی از کمپانی‌های پیشرو در این حوزه بوده است.

Int1

لیتوگرافی ۷ نانومتری و بیشتر

محققان IBM پیش‌بینی کرده‌اند که علی‌رغم چالش‌های پیش‌رو در مورد تولید تراشه‌ها شاهد تولید تراشه‌هایی مبتنی بر لیتوگرافی 14 نامومتری به‌جای 22 نانومتری خواهیم بو که این روند با تولید تراشه‌هایی مبتنی بر لیتوگرافی 10 نانومتر و سپس در انتهای دهه‌ی جاری با لیتوگرافی 7 نانومتری ادامه خواهد یافت که یکی از اساسی‌ترین پیش‌نیازهای دست‌یابی به تکنولوژی ساخت چنین تراشه‌هایی سرمایه‌گذاری گسترده و همچنین نوآوری در صنعت تولید تراشه‌ها و معماری نیمه‌رساناها است که بستر و ابزار‌های مورد نیاز برای تولید چنین تراشه‌هایی را در اختیار کمپانی‌ها قرار خواهد داد.

جان‌کِلی، قائم‌مقام بخش تحقیقات کمپانی IBM در مورد تولید تراشه‌های مبتنی بر لیتوگرافی 7 نانومتری چنین اظهار نظر کرده است:

مساله‌ی اصلی در مورد تولید تراشه‌های مبتنی بر لیتوگرافی 7 نانومتری، چگونگی دستیابی به این فناوری و همچنین هزینه‌ای است که باید به‌منظور تولید آن متقبل شد. مهندسان ما به‌همراه شرکای سخت‌افزاریمان با علم بر تمامی علوم و فناوری‌های مورد نیاز همچون مهندسی مواد و مهندسی سیستم، در پی آنند تا محصولاتی را برای پوشش دادن نیازهای سرویس‌های ابری، داده‌های بزرگ و رایانش کوانتومی روانه‌ی بازار سازند. سرمایه‌گذاری‌های انجام شده ما را در مورد دستیابی به فناوری تولید چنین تراشه‌هایی مطمئن می‌کند.

ریچارد دوهرتی، یکی از محققان و مدیر گروه تحقیقاتی Envisioneering در این خصوص چنین اظهار نظر کرده:

تولید تراشه‌هایی مبتنی بر لیتوگرافی 7 نانومتری نیازمند دانش بالایی در زمینه‌ی فیزیک نانو مواد و ساخت موادی است که بتوان در تولید این تراشه‌ها از آن‌ها استفاده کرد. IBM جزو معدود کمپانی‌هایی است که به‌صراحت از سرمایه‌گذاری در این بخش خبر داده است.

انتقال به دوران پست-سیلیکون

ترانزیسیتورهای سیلیکونی از اولین سال‌های استفاده از رایانه‌ها در داخل این سیستم‌ها جا خوش کرده و رفته رفته توسعه یافته‌اند، اما از نظر فیزیکی این تراشه‌ها با محدودیت‌هایی روبرو می‌شوند که امکان توسعه‌ی هرچه بیشتر آن‌ها را غیرممکن می‌کند. ترانزیستورهای مبتنی بر سیلیکون‌ها هم‌اکنون اندازه‌ی بسیار کوچکی دارند، بطوریکه رفته ‌رفته در مقیاس‌های نانو تولید می‌شوند. یکی از قوانین بنیادی در زمینه‌ی پردازنده‌ها، قانون مور است که براساس آن تعداد ترانزیستورها در هر دو سال دو برابر خواهد شد، از این‌رو با تبعیت از این قانون در ساخت پردازنده‌ها در سال‌های اخیر، ظرفیت سیلیکون دیگر اجازه‌ی این تقسیم را نخواهد داد.

تولیدکنندگان ابزار‌های الکترونیک این روزها از فناوری CMOS یا به بیان بهتر از نیم‌رسانای اکسید فلزی مکمل در محصولات خود استفاده می‌کنند که با توجه به محدودیت‌های این سیستم، نیاز به مواد جدید و همچنین معماری‌های منطبق بر این مواد بسیار ضروری است.

علاوه بر لیتوگرافی 7 نانومتر چالش‌های دیگری نیز وجود دارد که نیازمند استفاده از مواد دیگری برای توسعه‌ی پردازنده‌ها برای حل مشکل است. از جمله‌ی موادی که پتانسیل بالایی برای جایگزینی دارند، می‌توان به نانو لوله‌های کربنی یا موارد دیگری از رایانش همچون رایانش کوانتومی، تکنیک‌های یادگیری ماشین، رایانش نئومورفیک و موارد دیگری اشاره کرد.

به‌‌منظور توسعه‌ی تراشه‌های مبتنی بر لیتوگرافی 7 نانومتری، IBM به‌عنوان یکی از کمپانی‌های پیشرو در این زمینه نزدیک به ۵۰۰ پتنت مرتبط را دارا است که منجر به پیش بودن IBM‌از رقبا در زمینه‌ی تراشه‌های ۷ نانومتری و همچنین انتقال به دوران پست-سیلیکون خواهد شد. چنین سرمایه‌گذاری‌هایی در صورتی که ادامه داشته باشد می‌تواند منجر به شتاب گرفتن اختراعات و معرفی محصولات جدیدی از جانب IBM گردد که راهکاری مورد استفاده توسط این کمپانی را در زمینه‌هایی چون سرویس‌های ابری و تحلیل و آنالیز داده‌های بزرگ را بسیار تحت تاثیر قرار خواهد داد.

رایانش کوانتومی

یکی از بنیادی‌ترین مسائل در مورد رایانه‌های امروزی، کوچکترین واحد اندازه‌گیری در رایانه‌ها، یعنی یک بیت است. یک بیت می‌تواند در هر لحظه یکی از مقادیر ۰ یا ۱ را داشته باشد که برای مثال می‌توان آن را با خاموش یا روشن بودن یک لامپ مقایسه کرد. اما رایانش کوانتومی نگرش متفاوتی داشته و بیت‌های کوانتومی که با نام کوبیت‌ها شناخته می‌شوند، قادرند تا در هر لحظه‌ی ترکیبی از حالت‌های مختلف را تجربه نمایند که این اصل که با نام Superposition شناخته می‌شود، اساسی‌ترین مساله در فیزیک کوانتومی است. از این‌رو کوبیت‌ها با برخورداری از ویژگی سوپرپوزیشن قادرند تا میلیون‌ها حالت را در یک آن تجربه کرده و نتیجه‌ی مورد نظر را در کسری از ثانیه‌ای در خروجی قرار دهند، در حالی که بیت‌ها مورد استفاده در رایانه‌ها در هر لحظه تنها قادر به داشتن مقدار یک یا صفر هستند.

IBM یکی از پیشروترین کمپانی‌ها در زمینه‌ی علوم رایانش کوانتومی و همچنین ارائه‌ی تئوری‌ها در زمینه‌ی رایانش کوانتومی و پردازش اطلاعات با استفاده از کوبیت‌ها است. هرچند هنوز راهکار خاصی برای استفاده از این حوزه ارائه نشده و هنوز مفهوم رایانش کوانتومی در دنیای نظریه‌های علمی سیر می‌کند، اما شاید در آینده‌ی نه‌چندان دور شاهد حل مسائلی باشیم که امروز بسیار غیرمکن و غیرقابل حل به‌نظر می‌رسد. تیمی که روی این مفهوم در IBM‌مشغول است، اخیراً اولین نمونه‌ی آزمایشی از ترکیب سه کوبیت را ارائه کرده که یکی از بنیادی‌ترین قسمت‌ها برای توسعه‌ی یک کامپیوتر کوانتومی است.

 رایانش مبتنی بر شبکه‌ی اعصاب

کامپیوترهای امروزی تنها مجموعه‌ای از واحد‌های پردازش اطلاعاتی هستند که با پیشرفت‌های انجام شده در نیم‌قرن اخیر، تنها شاهد بالا رفتن سرعت پردازشی رایانه‌ها بوده‌ایم، بطوریکه می‌توان پیشرفت صورت گرفته را در جهت بالابردن سرعت پردازشی اطلاعات عنوان کرد. کامپیوترهای امروزی تنها اطلاعات را پردازش می‌کنند، اما قادر به فکر کردن همچون انسان نیستند. این کامپیوترها با تبعیت از معماری فون‌نویمان که بر جداسازی حافظه‌های جانبی و واحد‌های پردازشی تاکید دارد، توسعه یافته‌اند، اما IBM درصدد توسعه‌ی سیستم‌هایی مبتنی بر معماری غیر فون‌نویمان است. بیگ‌بلو با در تلاش است تا با همکاری مراکز تحقیقاتی و دانشگاه‌های متعدد و ترکیب علوم نانو، اعصاب و ابررایانش، سیستمی را مبتنی بر معماری غیرفون‌نویمان طراحی نماید که در این رساتا زبان‌ برنامه‌نویسی و کاربردهای جدیدی نیز تعریف شده است، چراکه زبان‌های برنامه‌نویسی کنونی همگی براساس معماری فون‌نویمان و با الگوهای شرطی توسعه داده شده‌اند. سیستم جدید توسعه داده شده الگوی شبیه به مغز انسان خواهد داشت، بطوریکه از نظر بهینگی و میزان مصرف انرژی همچون مغز انسان‌ها عمل خواهد کرد. هدف بلند مدت IBM طراحی سیستمی با برخورداری از میلیون‌ها نئورون و شبکه‌ای متشکل از میلیاردها اعصاب است، بطوریکه انرژی مصرفی آن ۱ کیلووات و حجم آن نیز کمتر از ۲ لیتر باشد.

 سیلیکون فوتونیک

IBM‌ در ۱۲ سال اخیر یکی از کمپانی‌های پیشرو در زمینه‌ی تولید ابزار‌های الکترونیک مبتنی بر CMOS بوده است. با استفاده از این فناوری می‌توان ارتباطات نوری را در یک تراشه‌ی سیلیکونی برقرار کرده و مورد استفاده قرار داد. اما IBM پا را فراتر گذاشته و اولین فرستنده و گیرنده‌ی مبتنی بر سیلیکون فوتونیک را با قابلیت مالتی‌پلکس براساس طول موج تولید کرده است. این فرستنده و گیرنده قادر است تا داده‌ها را بین تمامی کامپوننت‌های یک سیستم رایانه‌ای با استفاده از نور و با نرخ انتقال بسیار بالایی انتقال دهد که مزایایی چون هزینه‌ی کم را دربرداشته و همچنین از نظر مصرف انرژی نیز بسیار بهینه است.

Int2

نانوفوتونیک‌های سیلیکون از پالس‌های نوری برای انتقال اطلاعات استفاده می‌کنند که در مقایسه با ارتباطات مبتنی بر سیم‌های مسی قادرند حجم بالایی از داده‌ها را با سرعت بسیار بالا انتقال دهند که می‌توان از این قابلیت در تراشه‌های مورد استفاده در سرورها، دیتاسنترهای بزرگ و سوپرکامپیوترها استفاده کرد که محدودیت‌های ترافیک داده و همچنین هزینه‌های بالا را حل می‌کند.

Int3

 این روزها دنیای تجاری نیاز مبرمی به سیستم‌هایی دار که توانایی تحلیل و آنالیز داده‌های بزرگ را بصورت آنی داشته باشند. سیستم‌های مبتنی بر فوتونیک‌های سیلیکون بهترین راهکار موجود برای پردازش و تحلیل داده‌های بزرگ است که این روزها تبدیل به یکی از چالش‌‌های دنیای فناوری شده است. با استفاده از این فناوری می‌توان بخش‌های مختلف یک سیستم بزرگ را حتی در مسافت‌های چند کیلومتری را به‌هم متصل کرد و داده‌های بزرگ را در سریع‌ترین زمان ممکن با نرخ انتقال بالا حتی در مقیاس‌های چند ترابایتی از طریق پالس‌های نوری انتقال داد.

 نیمه‌هادی‌های III-V

متخصصان IBM اخیراً ساختار ترانزیستور اثر میدان‌الکتریکی ساخته شده از نیمه‌هادی‌های اکسید فلز گروه III-V را به نمایش گذاردند که دارای بالاتری نرخ انتقال داده‌ی ممکن بود. این ترانزیستور را می‌توان در ابزار‌های مبتنی بر CMOS مورد استفاده قرار داد. بیگ‌بلو در نظر دارد تا با استفاده از این مواد و فناوری‌های حاصل از آن به تولید تراشه‌های مبتنی بر لیتوگرافی ۷ نانومتر و حتی پایین‌ترن از آن بپردازد. مواد گروه III-V قادرند تا حجم بالایی از الکترون‌ها را در مقایسه با سیلیکون از خود عبور دهند که استفاده از آن‌ها نتیجه‌ای جز کاهش استفاده از انرژی را دربرنخواهد داشت که از این‌رو آن را به‌گزینه‌ی مناسبی برای استفاده در سیستم‌های مخصوص پردازش در سرویس‌های ابری خواهد کرد.

نانو لوله‌های کربنی

محققان IBM در حال انجام تحقیقاتی به‌منظور جایگزین کردن نانولوله‌های کربنی به جای استفاده از سیلیکون در تراشه‌های مبتنی بر لیتوگرافی ۷ نانومتری هستند. به‌عنوان بخشی از فعالیت‌های صورت‌گرفته، IBM برای اولین بار به تولید مدارهایی مبتنی بر CMOS VLSI پرداخته که با استفاده از آن‌ها قادر به تولید گیت‌های دو طرفه CMOS NAND با استفاده از ترانزیستورهای مبتنی بر نانولوله‌‌هایی با طول گیت 50 نانومتری شده است.

IBM همچنین موفق به بالا بردن خلوص کرین در نانولوله‌های کربنی تا 99.99 درصد شده است که یکی از خالص‌ترین نمونه‌های ساخته شده تا به امروز است. ترانزیستورهای ساخته شده با این نانولوله‌ها که دارای عرض کانال 10 نانومتری هستند دارای کمترین افت کیفیت بوده‌اند که تا به امروز نمونه‌‌ای با چنین دقتی توسعه داده نشده است.

Int4

نانولوله‌های کربنی ورق‌های کربنی هستند که بصورت استوانه‌ای قرار گرفته‌اند. نانولوله‌های کربنی هسته‌ی اصلی ترانزیستور‌ها را تشکیل خواهند داد که از منظر ساختاری شبیه به ترازیستورهای کنونی خواهند بود، اما از لحاظ کارایی دارای قابلیت‌های بهتری در مقایسه با ترازیستورهای کنونی خواهند بود. این ترانزیستورها را می‌توان در سرورهایی با نرخ بالای پردازش‌ داده‌ها و همچنین تلفن‌های‌هوشمند با سرعت بالا و همچنین کامپیوترها قدرتمند مورد استفاده قرار داد.

نانولوله‌های کربنی دارای ابعاد بسیار کوچکی هستند، بطوریکه می‌توان ضخامت آنها را کمتر از ۱۰ نانومتر برآورد کرد که 10,000 برابر باریک‌تر از موی انسان و نصف ترانزیستورهای سیلیکونی مورد استفاده است. براساس برآوردهای انجام شده باید شاهد بهبود پنج تا ده برابری کارایی این تراشه‌ها در مقایسه با تراشه‌های سیلیکونی باشیم.

 گرافن

گرافن ورقه‌ای متشکل از یک لایه‌ی اتم‌های کربن در کنار یکدیگر است. این ماده یکی از بهترین رساناهای گرما و الکتریسیته بوده و در عین انعطاف‌پذیری دارای استحکام بسیار بالایی است. سرعت حرکت الکترون‌ها در گرافن ده‌برابر بیشتر از نیمه‌هادی‌هایی چون سیلیکون و سیلیکون گارمیموم است که یکی از پرکاربردترین مواد در ساخت تراشه‌ها است. استفاده از گرافن منجر به ساخت ترانزیستورهایی سریع‌تر در مقایسه با ترانزیستورهای کنونی خواهد بود که می‌توان از آن در کاربردهایی چون ساخت تراشه‌هایی برای ارتباطات بی‌سیم اشاره کرد که نتیجه بهینگی این تراشه‌ها خواهد بود.

Int5

IBM‌ در سال 2013 میلادی اولین مدار گیرنده‌‌ی ارتباطی بی‌سیم را مبتنی بر گرافن به نمایش گذارشت که از یک آمپلی‌فایر دو مرحله‌ای و یک کانورتور کاهنده‌ که در فرکانس 4.3 گیگاهرتزی کار می‌کند، تشکیل شده است.

 نسل جدید ترانزیستورها با مصرف انرژی پایین

علاوه بر استفاده از مواد جدیدی که برای ساخت ترانزیستورها لازم است، معماری و نسل جدیدی از مفاهیم نیز برای بالا بردن توان سیستم‌ها باید طراحی شده و معرفی گردد. اتلاف انرژی یکی از اصلی‌ترین مسائل در مدارهایی با مقیاس نانو است. برای درک بهتر این موضوع، بهتر است یک شیر آب را تصور کنید که علی‌رغم بستن آن، باز هم شاهد ریزش آب هستیم. ترانزیستورهای کنونی نیز چنین مشکلی دارند، بطوریکه در زمان عدم استفاده از ترانزیستورها نیز شاهد اتلاف انرژی هستیم.

کارشناسان و محققان در IBM در پی استفاده از روش‌های مختلفی برای پیشگیری از اتلاف انرژی هستند که از جمله‌ی آن می‌توان به استفاده از ابزارهایی با نام Steep Slope اشاره کرد. ترازیستورهای TFET‌ که نمونه‌ی کم مصرفی از ترانزیستورهای اکسید فلز هستند، با مصرف انرژی بسیار پایینی به فعالیت خود ادامه می‌دهند.

همچنین IBM راهکاری را برای ترکیب مواد گروه III-V‌ در ساختار سیلیکونی ترانزیستورهای کنونی یافته که از این طریق نیز می‌توان محصولات با مصرف بسیار پایین انرژی تولید کرد.

تام رُزامیلا، یکی از مدیران کمپانی IBM‌در خصوص تحقیقات در حال انجام در IBM‌چنین اظهار نظر کرده است:

در ده سال پیش‌ِ‌رو با توجه به فعالیت‌های دانشمندان و متخصصان کمپانی IBM شاهد گسترش مرزهای دانش و تغییرات بنیادین در محصولاتی خواهیم بود که در حوزه‌ی فناوری‌های رایانه‌ای مورد استفاده قرار می‌گیرد که نتیجه‌ی آن گذار به دوران پُست-سیلیکون خواهد بود. تیم‌های تحقیقاتی IBM‌ در حال توسعه‌ی فناوری‌ها و دانش لازم برای توسعه‌ی محصولات پیشرفته در سال‌های آتی هتسند.

IBM همچنان به همکاری با داشنگاه‌ها در خصوص پیشبرد فناوری‌های تولید نیمه‌رسانا ادامه خواهد داد. این کمپانی با پشتیبانی و همچنین ارائه‌ی بودجه به دانشگاه‌ها در خصوص تحقیقات در علومی چون نانوالکترونیک  تحقیقات پیشرفته در زمینه‌‌ی شبکه‌ی نیمه‌‌رساناها راه برای تولید محصولاتی با قابلیت‌های بالا در عین مصرف انرژی کمتر باز خواهد کرد.