ایجاد شبکه عصبی سخت افزاری

به گزارش کارگروه فناوری اطلاعات سایبربان، به نقل «technologyreview»؛ فناوری هوش مصنوعی روز به روز در حال پیشرفت است و دانشمندان در تلاش هستند با تقلید از  عملکرد ذهن انسان آن را تقویت بکنند. به همین منظور الگوریتم های شبکه ی عصبی به وجود آمدند. این الگوریتم ها پایه ای نرم افزاری داشته و روی سخت افزار اجرا می شوند. به همین دلیل توان پردازشی آنها توسط قطعات مورد استفاده، محدود می شود.

پژوهشگران IBM برای رفع مسئله ی بالا، نوعی شبکه ای عصبی را به صورت فیزیکی ایجاد کرده مستقیما آن را روی مدارهای سیلیکونی پیاده سازی کردند. مدارهای ایجاد شده شباهت بسیاری به شبکه ی واقعی نورون های موجود در بدن انسان دارند. توان پردازشی تراشه ی به وجود آمده با نمونه های فعلی برابری می کند؛ اما مصرف انرژی آن یک صدم محصولات امروزی است. البته پژوهشگران اشاره کردند در نمونه های نهایی قدرت پردازش به شدت افزایش پیدا خواهد کرد و توان مصرفی از هم اینک نیز کمتر خواهد شد.

تراشه ی مذکور دقیقا مشابه شبکه های عصبی نرم افزاری، عملکرد سیناپس و نورون های را شبیه سازی می کند. قدرت و نوع اتصال سیناپس ها به منظور بهبود یادگیری باید به صورت پیوسته گسترش پیدا کند. در یک ذهن معمولی سیناپس ها و نورون ها به صورت پیوسته گسترش پیدا کرده و از بین می روند. شبیه سازی این اقدام در الگوریتم های نرم افزاری ساده است؛ اما پیاده سازی این قابلیت در بستر سخت افزاری بسیار مشکل است.

در اسناد منتشر شده توسط IBM، سیناپس های میکروالکترونیک به نمایش گذاشته شد. در رویکرد پژوهشگران از دو نوع سیناپس الهام گرفته شده از علم عصب شناسی استفاده شده است. یکی از سیناپس ها نقش حافظه ی کوتاه مدت را برای پردازش ها و نمونه ی دوم، حافظه ی بلند مدت را به منظور ذخیره سازی داده ها شبیه سازی می کند.

شرکت مذکور در گذشته تراشه ی دیگری را نیز به نام «ترونرث» (Turenorth) معرفی کرده بود که عملکرد ذهن را شبیه سازی می کرد. این تراشه هم اینک در آزمایشگاه لارنس آمریکا، ارتش و چندین مرکز دیگر به کار گرفته می شود.

شرکت IBM احتمالا قصد دارد در آینده ی نزدیک مجددا به بازار قطعات سخت افزاری بازگردد و احتمالا نوآوری مذکور اولین قدرم برای دستیابی به این هدف به شمار می آید.

تراشه ی مورد بحث دو شیوه ی سخت افزاری و نرم افزاری را ترکیب کرده و احتمالا در آینده نسل جدیدی از ابزارهای هوشمند مانند تلفن های همراه را به وجود می آورند که از قدرت پردازشی بالاتری برخوردار هستند. همچنین از این دستاورد می توان برای ایجاد مراکز داده های قدرتمندتر در فضای کمتر و صرف انرژی پایین تر استفاده کرد.