تولید بینی الکترونیکی توسط اینتل
به گزارش کارگروه فناوری اطلاعات سایبربان؛ پژوهشگران اینتل و دانشگاه کرنل آمریکا اعلام کردند یک بینی الکترونیکی توسعه دادهاند. این ابزار میتواند بوی یک ماده شیمیایی را تنها با یک بار تحلیل آن یاد بگیرد و در نوبتهای بعد، حتی اگر توسط بو و عاملهای دیگر پوشش داده شود نیز آن را شناسایی کند.
بینی الکترونیک یاد شده بر پایه لویحی (Loihi) –تراشه تحقیقاتی شبکه عصبی اینتل- و آرایهای از 72 حسگر شیمیایی توسعه پیدا کرده است. لویحی به منظور تقلید از عملکرد شبکه عصبی بخش پیاز بویایی (olfactory bulb) مغز انسان توسعه یافت تا بتواند بوهای مختلف را شناسایی کند.
محققان معتقدند ابزار یاد شده در آینده برای شناسایی مواد خطرناک موجود در هوا، پیدا کردن مواد منفجره یا مصارف پزشکی کاربرد خواهد داشت.
معماری لویحی به گونهای است که نسبت به پردازندههای مرکزی (CPU) و تراشههای شتابدهندهای که برای تقویت یادگیری عمیق توسعه یافتهاند، نزدیکترین شباهت را با عملکرد مغز دارد. محققان امیدوارند به کمک این تراشه بتوان وظایفی را انجام داد که هوشهای مصنوعی امروزی توان انجام آن را ندارد یا به انرژی بسیار زیادی برای تکمیل آن نیازمند هستند.
یکی از مسائل یادگیری «تک-شات» (one-shot) نام دارد. مغز انسان میتواند هر چیزی را یک مرتبه بو کند و دفعات بعد بلافاصله آن را تشخیص دهد؛ اما سامانههای هوش مصنوعی امروزی که اکثر آنها از شبکههای عصبی یادگیری عمیق بهره میبرند، باید با حجم عظیمی از دادههای از پیش آماده شده آموزش ببینند. این مسئله به زمان، انرژی و هزینه بسیاری نیاز دارد. حتی در شرایط بدتر، تعدادی از هوش مصنوعیهای فعلی توانایی یادگیری اطلاعات جدید را ندارند، مگر اینکه اطلاعات قبلی به طور کامل حذف شوند. این مسئله باعث میشود تا فرآیند آموزش به دفعات تکرار گردد.
اینتل در سال 2019، یک سامانه لویهی چند تراشهای را متشکل از 64 تراشه و 8 میلیون عصب معرفی و اعلام کرد هدف آنها دستیابی به نمونهای با 768 تراشه و 100 میلیون رشته عصبی است.
نابیل امام (Nabil Imam)، پژوهشگر ارشد تحقیقاتی اینتل گفت:
گام بعدی گسترش کاربردهای آن به منظور رفع چالشهای مختلفی از تحلیل بوها و روابط بین اشیا گرفته تا رفع مشکلات برنامهریزی و تصمیمگیری است. دانستن این موضوع که مدارهای عصبی مغز چگونه مشکلات پیچیده محاسباتی را حل میکنند، اطلاعات مهمی را در مورد طراحی دستگاههای هوشمند و کارآمد ارائه خواهد داد.
با وجود این توسعه بینی الکترونیکی مذکور با چالشهایی نیز مواجه بود. این سیستم در ابتدا باید بتواند بوهای مختلف و نزدیک به هم را گروهبندی کند. برای مثال باید بتواند تشخیص دهد میوه توت فرهنگی کالیفرنیا و اروپا در واقع یک چیز هستند.
امام شرح داد:
مثال یاد شده از چالشهایی شناخت سیگنالهای بویایی است که روی آن تحقیق میکنیم. ما امیدوار هستیم تا 2 سال آینده و پیش از تبدیل شدن به ابزاری برای به کارگیری در جهان واقعی بتوان این چالش را برطرف کرد.
