ایلان ماسک: هوش مصنوعی، از بمب اتم خطرناک‌تر است

(از سایت زومیت)

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

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؟

تراشه‌های جدیدی که کلید ایجاد کامپیوترهایی با عملکرد مشابه مغز انسان خواهند بود

(از سایت زومیت)

نویسنده: مسعود آموزگار یکشنبه, 05 مرداد 1393 ساعت 20:32 

Neuromorphic Chips

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.

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

 (از سایت زومیت)

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

IBM

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.

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.

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.

 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.

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.

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.

دانشمندان موفق به پیوند ماندگار سلول‌های عصبی به مغز شدند

دانشمندان موفق به پیوند سلول‌های عصبی به مغز شدند (از سایت زومیت)

نویسنده: حسین خلیلی صفا سه شنبه, 14 مرداد 1393 ساعت 18:24 نظر (4)

• اندازه قلم  
•  چاپ

پیوند سلول‌های عصبی

نئورون‌ها یا یاخته‌های عصبی جزئی از شبکه‌ی اعصاب است که وظیفه‌ی ارسال و دریافت داده‌های عصبی را بر دوش دارند که این کار را از طریق هدایت تکانه‌های الکترکی به انجام می‌رسانند. دانشمندان موفق شده‌اند تا نئورون‌های موجود در سلول‌های پوست موش را دریافت کرده و به مغز آن پیوند دهند.

پیوند نئورون‌های سلو‌ل‌های پوستی به مغز یا انجام چنین پیوندهایی پیش از این انجام شده است، اما اهمیت آخرین پیوند صورت گرفته، ماندگاری یا در واقع کارایی سلول‌های پیوند داده شده در عضو جدیدی است که میزبان این نئورون‌ها بوده‌اند. یکی از عمده‌ترین مشکلات پیوندهای پیشین عدم ماندگاری این سلول‌ها است در حالی که در آخرین پیوند صورت گرفته سلول‌ها برای شش ماه بصوت زنده باقی مانده و بصورت کاربردی در مغز مورد استفاده قرار گرفته‌اند.

در صورتی که دانشمندان موفق شوند تا عمل پیوند را بصورت موفقیت آمیز و کاربردی ارائه کنند، می‌توان این روش را به‌عنوان راهکاری برای درمان بیماری‌هایی چون پارکینسون استفاده کرد که سیستم عصبی بدن را مورد حمله قرار می‌دهند. این بیماری‌ها سلول‌های عصبی را از کار انداخته و منجر به اختلال در کار بدن می‌شوند که می‌توان با جایگزینی آن‌ها از طریق پیوند، این مشکل را حل کرد.

پروفسور شوامبورن، در مورد پیوند نئورون‌ها چنین اظهار نظر کرده است:

من اطمینان دارم که در آینده شاهد درمان بیماری‌ها از طریق پیوند سلول‌های عصبی خواهیم بود. تحقیقات انجام شده ما را یک قدم دیگر به سمت موفقیت و اجرایی شدن این برنامه پیش برده است.

یک نمونه روبات یادگیرنده در کاربرد آشپزی

نخستین ربات آشپز در جهان (+عکس از سایت عصر ایران)

محققان دانشگاه کرنل، نخستین ربات آشپز در جهان را که با مشاهده فعالیت‌های انسان، عیناً همان کارها را انجام می‌دهد، طراحی کرده‌اند. 
 
به گزارش فارس، در میان ربات‌های موجود امروز، تعداد بسیار کمی از آنها توانایی یادگیری دارند اما امروز قابلیت و توانایی ربات‌ها به سمت هدف‌های جدید می‌رود که باعث می‌شود ربات‌ها چشمگیرتر باشند و رشد کنند. 
 
محققان دانشگاه کرنل در نیویورک - آمریکا یک ربات طراحی کرده‌اند که قادر به یادگیری کارهای جدید است و به حرف‌های انسان گوش می‌دهد؛ این پروژه به نام Tell Me Dave نامگذاری شده است. 
 
به جای برنامه نویسی برخی روش‌ها، دستورالعمل‌ها به صورت شفاهی به این ربات داده می‌شود؛ ساخت این ربات موجب تسهیل در کار توسعه دهندگان نرم افزارهای رباتیک نیز می‌شود. 
 
Tell Me Dave قادر به تجزیه و تحلیل حرکات و به شناسایی اشیاء و شرایط است؛ دارای یک دوربین سه بعدی است تا بتواند با مشاهده کردن فعالیت‌ها و انجام آنها ارتباط برقرار کرده و آموزش ببیند و در واقع به نخستین ربات آشپز در جهان تبدیل شده است. 
 
این ربات قادر به شناسایی اشیاء و افراد است؛ قادر به استفاده از اجاق گاز و ظروف آشپزی است و با مشاهده یک آشپز در حال آشپزی قادر به یادگیری آشپزی از انسان است، ضمن اینکه قادر به ذخیره‌سازی بحث‌های قبلی به منظور استفاده در آینده است. 
 
«آشوتوش ساکسنا» استادیار علوم کامپیوتر در دانشگاه کرنل موفق شد به این ربات برای درک دستورالعمل‌ها، زبان گفتاری و سخن گفتن و یاد گرفتن به طور طبیعی را آموزش دهد.