پژوهشگران دانشگاه کالیفرنیای جنوبی (USC) موفق شدهاند نوعی نورون مصنوعی بسازند که رفتار الکتروشیمیایی نورونهای واقعی مغز را بازتولید میکند. این دستاورد میتواند طراحی سختافزارهای هوش مصنوعی آینده را کوچکتر، سریعتر و بسیار کارآمدتر کند.
برخلاف تراشههای نورومورفیک کنونی که فعالیت مغز را بهصورت دیجیتال شبیهسازی میکنند، نورونهای جدید USC از فرآیندهای واقعی شیمیایی و الکتریکی برای محاسبه استفاده میکنند؛ بهعبارتی، بهجای تقلید از مغز، عملکردی مشابه سلولهای واقعی آن دارند.
این پروژه به رهبری «جاشوا یانگ»، استاد مهندسی کامپیوتر و برق و مدیر مرکز برتری در محاسبات نورومورفیک USC انجام شده است. تیم او نوعی نورون مصنوعی بر پایهی «میمریستور پخشپذیر» (diffusive memristor) توسعه داده که بهجای حرکت الکترونها، از حرکت اتمها برای پردازش اطلاعات بهره میگیرد.
یانگ توضیح میدهد که در مغز انسان، انتقال پیام بین نورونها با ترکیبی از سیگنالهای الکتریکی و شیمیایی صورت میگیرد و اکنون این فرآیند با استفاده از یونهای نقره در محیط اکسید بازسازی شده است. او میگوید: «نقره بهخوبی منتشر میشود و رفتار دینامیکی لازم برای تقلید سیستم زیستی را فراهم میکند، آنهم با ساختاری بسیار ساده.»
وی افزود: «ما از پویایی یونها استفاده میکنیم، چون همین ویژگی است که مغز انسان را به کارآمدترین موتور هوشمند در تکامل تبدیل کرده است.»
تفاوت کلیدی این طراحی در آن است که هر نورون مصنوعی تنها به اندازهی یک ترانزیستور فضا اشغال میکند، در حالی که در طراحیهای معمول، دهها یا صدها ترانزیستور برای هر نورون لازم است.
یانگ تأکید میکند: «مشکل اصلی سیستمهای کنونی قدرت پردازش نیست، بلکه بازده انرژی است. رایانههای امروزی برای یادگیری از مثالهای اندک ساخته نشدهاند، در حالی که مغز انسان این کار را با مصرف تنها حدود ۲۰ وات انجام میدهد.»
هدف نهایی این پروژه، ایجاد شبکههایی از این نورونهای اتممحور است تا در عمل بتوانند عملکرد یادگیری مغز را تقلید کنند و شاید راهی بهسوی هوش مصنوعی عمومی (AGI) بگشایند.
این پژوهش در نشریه “Nature Electronics” منتشر شده است.
کد خبر ۲۰۱۰۴۰۸۱۱.۰۲۷
منبع: اینترستینگ انجینیرینگ
