ساختار عصبی طبیعی و کامپیوتری

آیا ساختار عصبی کامپیوترها از نظر اجرایی کارآمدتر هست یا ساختار عصبی طبیعت؟ از نقطه نظرهای موازی در مسائل گوناگون مقایسه این دو ساختار عصبی نتایج جالبی به نمایش می گذارد.

دیوید هامبلینگ/ مترجم: علی حسینی / ماهنامه شبکه – شماره ۱۶۴

موج بزرگ بعدی در قدرت محاسباتی کم‌تر به قانون مور وابسته خواهد بود و بیش‌تر به شبکه‌های عصبی متمایل خواهد شد. در سال ۲۰۱۵، دستگاه‌ها نه تنها هوشمندتر، بلکه انسان‌‌وارتر خواهند شد.

با این‌که کامپیوترها در پرداختن به اعداد عملکرد بسیار خوبی دارند، اما ساختار عصبی طبیعت در پردازش‌های موازی، از جمله مدیریت ورودی‌های دریافتی از چند حس‌گر بسیار کارآمدتر است. برای مثال، مگس با کمک همان مغز بسیار کوچک خود که به‌اندازه سر سوزن است، می‌تواند به‌راحتی در حین پرواز مانورهای سریعی را به‌‌مرحله اجرا درآورد و پیش‌رفته‌ترین سامانه‌های خلبانی خودکار را نیز مغلوب خود کند. اما با سربرآوردن تراشه‌های عصب‌‌گونه (Neuromorphic) این رویه به‌زودی تغییر خواهد کرد. این تراشه‌ها با الگوبرداری از مغز موجودات زنده، می‌توانند از حیث قدرت محاسباتی حتی خود آن‌ها را نیز پشت سر بگذارند.

شبکه‌های عصبی مصنوعی با این‌که در چند دهه گذشته روندی تکاملی را پیموده‌اند، اما ساختار بنیادی آن‌ها هنوز همچون گذشته است. شبکه‌ای متشکل از عناصر پردازشی موسوم به گره‌ (Node) یا سلول عصبی (Neuron) که هر یک از آن‌ها با چند گره دیگر پیوند دارد. در ساختار مغز، میزان پایداری پیوند نورون‌ها با هم چگونگی پردازش ورودی‌ها را مشخص می‌کند و این پیوندها می‌توانند براساس فرآیند یادگیری تغییر کنند.
تاکنون، شبکه‌های عصبی بیش‌تر در محافل دانشگاهی مورد پژوهش و بررسی قرار گرفته‌‌اند، اما نسخه‌های تجاری این شاخه علمی نیز در حال نمایان شدن است. کوالکام، از شرکت‌های تراشه‌ساز امریکایی که محصولات آن را تقریباً در هر اسمارت‌فونی می‌توان یافت، پروژه‌ای به‌نام Zeroth را در دست توسعه دارد که هدف آن گسترش واحدهای ویژه پردازش عصبی است. سمیر کومار، مدیر توسعه تجارت کوالکام می‌گوید، ایده کار آن‌ها ساخت وسیله‌های هوشمندتری است که می‌توانند داده‌های حسی را پردازش کنند و ‌همان‌ گونه که مغز موجودات زنده چیزهایی مانند تصاویر یا اصوات را پردازش می‌کند و پاسخ می‌دهد، این سامانه‌ها نیز بتوانند الگوهای موجود در داده‌ها را با هم برابر نهند و بسنجند.

به ‌گفته کومار، سخت‌افزارهای عصبی چیزهای جدید را نه براساس کدهای نرم‌افزاری نوشته‌شده برای آن‌ها، بلکه با تجربه خواهند آموخت. پردازنده‌های عصبی نیز مانند سگی که وقتی کار درستی انجام می‌دهد پاداش می‌گیرد، در صورت دریافت بازخورد مثبت، پاسخ درست را یاد خواهند گرفت. چندی پیش، روباتی که در آن از پردازنده‌های Zeroth کوالکام استفاده شده ‌بود، در محیطی قرار گرفت که با چهارگوش‌های رنگی نشانه‌گذاری شده ‌بود. این روبات با دریافت بازخوردهای مثبت و نه دستورهای صریح، یاد گرفت فقط باید از چهارگوش‌های سپید بازدید کند. عملکرد ماشین‌های آینده در خدمت‌رسانی به ‌ما بهتر و بهتر خواهد شد، حتی اگر چیزی را که می‌خواهیم نتوانیم تا پیش از دیدنش برای این ماشین‌ها توضیح دهیم. فناوری با کمک چنین پردازنده‌هایی می‌تواند درباره جهان پیرامون درکی انسانی‌تر بیابد، و برای مثال، تفاوت ایمیل‌های مهم با هرزنامه‌ها را دریابد، یا اسباب‌بازی‌هایی را که باید سر جای خود قرار بگیرند از حیوانات خانگی واقعی که باید به حال خود رها شوند تشیخص دهند.

“هزاران” شمار هسته‌هایی که می‌توانند در پردازنده توسعه داده‌شده پژوهش‌گران دانشگاه ام‌آی‌تی جای بگیرند! این هسته‌ها می‌توانند داده‌ها را ‌همان گونه توزیع کنند که در اینترنت توزیع می‌شود. گزارش این کار در سال ۲۰۱۵ منتشر خواهد شد.

سامانه‌های عصبی پایش سلامتی نیز می‌توانند تشخیص دهد آیا تپش قلب و تنفس شخص عادی است یا نه و نشانه‌های بالقوه خطر را شناسایی می‌کنند. پیــاده‌سـازی چنین توان‌مندی‌هایی با برنامه‌نویسی سنتی کار سختی است. همچنین، کومار اظهار داشت که کوالکام قصد دارد پردازش عصبی را در پردازنده‌های خانواده اسنپ‌دراگون به‌‌مرحله اجرا درآورد، اما توضیح نداد که چه زمانی این اتفاق خواهد افتاد. اما منابع غیرشرکتی گفته‌اند که شاید این پروژه در سال ۲۰۱۵ اجرایی شود.

آن‌چه کوالکام در حال توسعه آن است، «مغز» سخت‌افزاری نیست، بلکه یک شبیه‌سازی دیجیتال از شبکه عصبی است. شرکت Bio Inspired Technologies در شهر بویزی، شیوه‌ای بنیادی‌تر را در پیش گرفته ‌است. این شرکت به ‌استفاده از کامپوننتی به‌نام ممریستور روی آورده ‌است که سیمی تقریباً یک‌صد برابر باریک‌تر از تار موی انسان دارد. وقتی به ‌این سیم برق اعمال می‌شود، طول آن تغییر می‌یابد و وقتی جریان برق متوقف می‌شود، به‌ اندازه پیشین خود برمی‌گردد. سپس، طول این سیم به‌صورت الکترونیک خوانده می‌‌شود. هرچه سیم بلندتر باشد، مقاومت الکتریکی آن کم‌تر خواهد بود. وضعیت ممریستور همچون یک سلول عصبی در مغز، به‌وسیله کل سیگنال‌هایی مشخص می‌شود که تجربه کرده ‌است. تری گافرون مدیر عامل این شرکت می‌گوید: «موضوع جالب درباره ممریستور و چیزی که ما بر آن تأکید داریم، شباهت خیره‌کننده آن به سیناپس‌های مغز موجودات زنده است.»

برای انجام کارهای پیچیده در جهان واقعی، به‌ویژه وقتی سخن از یادگیری است، استفاده از چنین سخت‌افزارهای عصب‌گونی ضروری خواهد بود.