مغز انسان الگویی مطمئن برای ماشین‌های متفکر آینده

آینده محاسبات و ماشین‌های فوق‌مدرن محاسباتی بر مبنای سیستم تفکر انسانی و آنچه که در مغز انسان می‌گذرد بنا می‌شوند. همین ایده بهانه خوبی به دست گروهی از محققان دانشگاه استنفورد واقع در کالیفرنیا داده است تا برروی پروژه‌ای کار کنند که خروجی آن بسیار جالب توجه خواهد بود: نوع جدیدی از رایانه‌ها که مبنای اصلی آنها تراشه‌های سیلیکونی سنتی نبوده بلکه پیچیدگی‌های سازمان یافته مغز انسان است، جایی که برای ارائه هزاران پاسخ به یک پرسش مشخص از شمار قابل توجهی از پیشامدها استفاده می‌شود. طراحی این ماشین به معنای آن است که باید تمامی آنچه را که در 50 سال گذشته درخصوص طراحی و ساخت رایانه فرا گرفته‌ایم به کنار بگذاریم؛ اما این تنها یک روی سکه است چون ممکن است مجبور باشیم در این حالت تکامل اطلاعاتی خود درباره ساخت رایانه‌ها را تا 50 سال آینده نیز ادامه دهیم!

چرا مغز انسان؟

مغز انسان با استفاده از 20 وات الکتریسیته کار می‌کند که معادل انرژی‌ای است که برای روشن شدن لامپ کوچک درون یخچال‌های خانگی است، اما در نقطه مقابل رایانه‌ای که در خانه یا محل کار دارید برای انجام هر محاسبه یک میلیون بار انرژی بیشتری مصرف می‌کند.

اگر بخواهید روباتی بسازید که در آن از پردازشگری به هوشمندی مغز انسان استفاده شده باشد، در این صورت به 10 تا 20 مگاوات الکتریسیته نیاز دارید. البته فراموش نکنید که 10 مگاوات الکتریسیته یعنی یک تاسیسات کوچک برق آبی. برای این‌که بتوانیم انرژی الکتریکی مورد نیاز یک روبات را تأمین کنیم باید بر روی کوچک‌سازی چنین تأسیسات برق آبی کار کنیم تا بتوانیم آن را بر پشت روبات سوار کنیم! محققان می‌گویند همین مشکل را درخصوص فرآیندهای دیگری نیز خواهیم داشت. به عنوان مثال اگر بخواهیم ایمپلنت‌های پزشکی تهیه کرده و آنها را تنها برای جایگزین سازی یک درصد از نورون‌ها در مغز بیماران مبتلا به سکته‌های مغزی به کار گیریم باید به دنبال چیزی مشابه یک تاسیسات برق آبی باشیم! این ایمپلنت الکتریسیته‌ای معادل الکتریسیته مصرفی 200 خانه نیاز دارد. از آن گذشته در این فرآیند حرارتی تولید می‌شود که می‌توان آن را با حرارت شدید تولید شده در موتور یک خودروی پورشه مقایسه نمود!

به‌رغم پیشرفت‌های خیره‌کننده در زمینه فناوری تجهیزات الکترونیکی ترانزیستورهایی که امروزه ساخته می‌شوند یک‌صدهزارم نمونه‌هایی که در نیم قرن پیش تولید می‌شدند ابعاد دارند و همچنین تراشه‌های رایانه‌ای نیز 10 میلیون بار سریع‌تر شده‌اند هنوز در جبهه انرژی و رسیدن به راندمان عالی، پیشرفت معناداری نداشته‌ایم. در همین‌جاست که مشکلات اصلی آغاز می‌شوند. اگر نتوانیم در این جبهه به موفقیتی دست پیدا کنیم باید ماشین‌های هوشمند مشابه انسان و همه رویاهای دیگری که درباره دستیابی به رایانه‌های قدرتمندتر داشته ایم را فراموش کنیم. محققان دانشگاه استنفورد برای آغاز پروژه خود به این نتیجه رسیدند که باید تجدید نظر کلی درباره تعادل بنیادین میان انرژی، اطلاعات و اختلال‌ها (پارازیت‌ها) صورت گیرد.

حتما برای بسیاری از افرادی که از تلفن همراه استفاده می‌کنند این مشکل پیش آمده است که در مواقع بروز اختلال یا همان پارازیت با صدای بلندتری صحبت کنند تا منظور خود را به مخاطب منتقل سازند.

در رایانه‌های دیجیتالی تقریبا اثری از این نوع اختلالات نیست اما عمل کردن در این سطح از دقت نیازمند صرف انرژی الکتریکی قابل توجهی است که همین مسأله گرایش به سوی سیستم‌های محاسباتی مدرن را با کندی همراه می‌کند.

گروهی از محققان دانشگاه استنفورد ابتکار عمل‌های مختلفی ارائه کرده‌اند.

یکی از آنها طراحی و ارائه ویفر سیلیکونی است که از آن برای مبنا و پایه ابررایانه نورونی جدیدی استفاده شده است. این ابررایانه «شبکه نورونی» نام دارد که تقریبا کارهای اجرایی آن به پایان رسیده است. بر روی این ویفر میلیون‌ها ترانزیستور نصب شده است که مشابه آن را می‌توان در رایانه‌های شخصی نیز مشاهده کرد. اما در همین ظاهر مشابه است که یک تفاوت بزرگ خودنمایی می‌کند. آنها در زیر روکش نگهدارنده این ترانزیستورها ابتکار عمل خود را آغاز کرده‌اند.

رایانه‌های دیجیتالی ترانزیستوری مبتنی بر میلیون‌ها ترانزیستوری هستند که تقریبا به بهترین نحو ممکن باز و بسته می‌شوند و البته احتمال خطای کمتر از یک بار در هر یک تریلیون بار تکرار این فرآیند برای آنها تصور شده است. این‌که رایانه‌ها تا این حد از ضریب دقت برخوردارند حیرت‌انگیز است اما باید پذیرفت که «دقت» مجموعه از فاکتورها و عناصر تشکیل دهنده را در درون خود دارد. اگر در چنین رایانه‌ای تنها یک ریزترانزیستور به طور کاملا تصادفی از مدار خارج شده یا دچار نقص فنی شود باید خود را برای رویارویی با هر پیشامدی آماده کنیم. از وارد آمدن لطمات جدی به رایانه گرفته تا جابه‌جایی تنها یک صفر کوچک در حساب بانکی از جمله اتفاقاتی است که ممکن است در چنین حالتی به وقوع بپیوندد.

مهندسانی که با رایانه و طراحی آن سر و کار دارند این اطمینان خاطر را حاصل می‌کنند که میلیون‌ها ترانزیستوری که بر روی یک تراشه نصب می‌شوند فعالیت اطمینان برانگیزی دارند. آنها با استفاده از ولتاژهای بالا این اطمینان خاطر را ایجاد می‌کنند.

اختلال در مغز هم وجود دارد!

شاید تعجب‌برانگیز به نظر بیاید اما حقیقت دارد. دانشمندان درحالی به دنبال استفاده از الگوهای مربوط به مغز انسان برای طراحی نسل جدید سیستم‌های محاسباتی هستند که دریافته‌اند یکصد میلیون نورون عصبی مغز چندان هم قابل اطمینان نیستند. بررسی‌ها نشان داده‌اند که سیناپس‌های مغزی معمولا بین 30 تا 90 درصد عملکرد درستی ندارند با این حال مغز به کار خود ادامه می‌دهد. نکته جالب این است که به عقیده برخی دانشمندان اختلالات یا همان نویزهای مغزی کلید اصلی بروز خلاقیت در انسان‌هاست. اکنون همین عقیده به انگیزه‌ای برای محققان دانشگاه استنفورد تبدیل شده است تا از محاسبات نویزی مغز انسان کپی‌برداری کنند و در نهایت دنیای تازه‌ای در زمینه سیستم‌های هوشمند محاسباتی با راندمان قابل توجه مصرف انرژی خلق کنند. فناوری «شبکه نورونی» تنها یک آزمایش هیجان‌انگیز برای بررسی این نکته است که آیا می‌توان به چنین چشم‌اندازی رسید یا نه؟!

مدرن‌ترین ابررایانه‌های جهان ابعادی درحدود یک یخچال دارند و البته سالانه بین 100 هزار تا یک میلیون دلار هزینه برق مصرفی آنهاست. اما رایانه شبکه نورونی که در دانشگاه استنفورد طراحی شده است در یک کیف دستی جای گرفته و با استفاده از چند باتری کوچک مخصوص کار می‌کند. محققان این دانشگاه معتقدند در آینده نزدیک و در صورتی که همه چیز به خوبی پیش رود، این رایانه باز هم کوچک‌تر و کم مصرف‌تر می‌شود.

مشکل انجام محاسبه با اختلال (نویز) برای نخستین بار و در سه دهه پیش از سوی دانشمند جوانی به نام سیمون لاگلین مطرح شد. او برای انجام آزمایشات خود در دانشگاه ملی استرالیا زمان زیادی از سال 1975 را به نشستن در آزمایشگاه بدون پنجره با دیوارهای سیاهی سپری کرد که همواره نیز تاریک و به دور از نور بود. در حقیقت تاریکی این امکان را وی می‌داد تا به مطالعه دقیق شبکیه چشم حشراتی موسوم به «مگس گوشت» بپردازد که معمولا در اطراف فضای باز دانشگاه پرواز می‌کردند. در صدها مورد آزمایشی که وی انجام داد، مگس‌های زنده را به پایه پلاستیکی مخصوصی آن هم در زیر میکروسکوپ متصل می‌کرد و در ادامه الکترودی را به درون چشم حشره فرو می‌نمود. پس از این مرحله وی اطلاعات مختلفی درخصوص چگونگی واکنش شبکیه به پرتوهای نوری ثبت می‌کرد. او همواره این آزمایشات را در میانه روز آغاز و در نیمه شب به پایان می‌رساند. وی در خلال آزمایش‌های دقیق خود که بخشی از آنها شامل مشاهده رقص سیگنال‌های نورونی در نور سبز نوسان‌سنج بود متوجه نکته عجیبی شد.

هر واکنش عصبی مغز مگس به نور ثابت تا واکنش بعدی با ناپایداری در حد یک میلی ثانیه همراه بود. این نوسانات در هر یک از فعالیت‌های نورونی مگس دیده می‌شد. او در نهایت به این نتیجه رسید که چنین اختلالاتی (نویز) موجب می‌شوند تا محدودیت‌هایی در توانایی نورون‌ها برای کدبندی اطلاعات ایجاد شود، اما این یافته چه ارتباطی با تحقیقات اخیر محققان دانشگاه استنفورد داشته است؟ نکته ظریف دقیقا همین‌جاست. آنها با استفاده از نتایج تحقیقاتی از این دست متوجه تاثیر چنین اختلالاتی در پردازش و تفکیک داده‌ها شده‌اند و آن را در تحقیقات خود برای ساخت نسل جدید سیستم‌های محاسباتی به کار گرفته‌اند.

زمانی که بحث تأمین انرژی سیستم‌های محاسباتی فوق مدرن آینده به میان می‌آید، مغز انسان می‌تواند الگویی مناسب باشد. محققانی در دانشگاه کالج لندن برآورد کرده‌اند که سیگنال‌های نورونی سهم 80 درصدی مصرف انرژی در مغز دارند و این درحالی است که حالت شارژ نگاه داشتن این نورون‌ها تنها 15 درصد مصرف انرژی دارند. این یافته کاربردهای قابل توجهی دارد و از آنجاکه نشان می‌دهد مغز می‌تواند با محدود کردن شمار زیادی از نورون‌هایی که بندرت مورد استفاده قرار می‌گیرند، انرژی قابل توجهی ذخیره کند، می‌توان از آن در طراحی سیستم‌های محاسباتی آینده نیز استفاده کرد.

این تحقیقات به طرز خیره‌کننده‌ای نشان می‌دهند که برخلاف تصور بسیاری از افراد، مغز همواره از یک تا 15درصد نورون‌های خود در یک زمان واحد استفاده می‌کند و در حقیقت بسیاری از نورون‌های مغزی در حالت انفعال به سر می‌برند. تراشه فناوری شبکه نورونی نیز دقیقا از چنین فرآیندی تقلید می‌کند. این فرآیند آنالوگی تا زمانی که به نقطه‌ای موسوم به «آستانه» برسد به همین منوال باقی می‌ماند و زمانی که فرآیند دیجیتالی روی دهد همه چیز تغییر می‌کند. این دقیقا همان زمانی است که خیزش الکتریکی تولید می‌شود.

محققان دانشگاه استنفورد به جای استفاده از ترانزیستورها به عنوان سوئیچ که در رایانه‌های دیجیتالی دیده می‌شود، خازنی ساخته‌اند که همان ولتاژ مشاهده شده در مغز را دریافت می‌کند. آنها با این کار و تنها استفاده از یک ترانزیستور و یک خازن مسائلی را حل کرده‌اند که برای حل کردن آنها با استفاده از رایانه‌های دیجیتالی به هزاران ترانزیستور نیاز است.

به دنبال این یافته ارزشمند فیزیکدانی به نام «گارور مید» بر آن شد تا انجام محاسبات نویزی با الهام گرفتن از روش‌های با راندمان عالی مغزی را این بار و با استفاده از ترانزیستورها انجام دهد.

او که اکنون در انستیتو فناوری Caltech به عنوان یکی از برجسته‌ترین چهره‌های علم الکترونیک به شمار می‌آید و حتی از او به عنوان یکی از پدران تراشه‌های سیلیکونی مدرن یاد می‌شود به دنبال آن بوده است تا شیوه‌های مؤثرتری برای محاسبات پیدا کند. زمانی که او ولتاژهای پایین برای یک ترانزیستور به کار گرفت موفق شد تا جریان‌هایی تولید کند که همچون جریان‌های غشای نورونی مغز، وابستگی مشابهی بر ولتاژهای یاد شده داشته باشد.

رایانه‌های دیجیتالی به عنوان یک فناوری در نظر گرفته می‌شوند که فرآیند جبرگرایانه‌ای در آنها نهفته است، به این معنا که برای هزاران بار معادله مشابهی را به آن بدهید تا همواره شاهد تنها یک پاسخ ثابت باشید. اما اکنون به مغز فکر کنید. پرسشی را برای آن مطرح کنید تا ببینید چگونه هزاران پاسخ متفاوت برای آن تک پرسش ارائه می‌کند. حقیقتی که محققان علوم الکترونیک و رایانه به آن رسیده‌اند این است که مغز با تکیه بر احتمالات محاسبه می‌کند. بدون شک چنین پاسخ‌هایی ممکن است زندگی را برای انسان‌ها در دنیایی ساده‌تر کند که همواره مملو از تردیدهاست، جایی که نمی‌دانیم چه زمانی یک سگ عصبانی حمله می‌کند و آیا اصلا حمله‌ای درکار است؟!

گرچه در ظاهر فرآیند دشواری در پیش روست اما دانشمندان این عرصه به آینده خوش بین هستند و معتقدند می‌توان آنچه را که در مغز برای محاسبه پیشامدها به کار گرفته می‌شود را در رایانه‌های آینده و سیستم‌های فوق مدرن محاسباتی نیز به کار گرفت. تجربه موفقی که در زمینه طراحی ابر رایانه شبکه نورونی به ثبت رسیده است دانشمندان را برای این نوع الگوبرداری امیدوار ساخته است. شبکه نورونی نشان می‌دهد که می‌توان به مغز به عنوان مبنایی مطمئن برای طراحی ساختارهای محاسباتی در آینده نگاه کرد. بدون شک بزرگ‌ترین دستاوردی که در پروژه شبکه نورونی دیده می‌شود نه‌تنها رسیدن به مرحله‌ای مشابه بازده قابل توجه مغزی بلکه انعطاف‌پذیری آن بوده است یعنی در اینجا احتمالات بیشماری که مغز برای پاسخگویی به یک پرسش ساده مدنظر قرار می‌دهد برای محققان ارزش خیره‌کننده‌ای پیدا کرده است. به رغم وجود احتمال بروز اختلال در مغز باز هم محققان نسبت به الگوبرداری از ساختارهای مغزی برای طراحی نسل فراتر از تصور سیستم‌های محاسباتی عزم جدی دارند و در پاسخ به منتقدان خود انعطاف‌پذیری قابل توجه مغز را به عنوان خط بطلانی بر تمامی انتقادات مطرح شده عنوان می‌کنند. از سوی دیگر گفته می‌شود شبکه‌های نورونی دیگری نیز در راه هستند که البته هم اکنون طراحی آنها روی کاغذ و طراحی جداول مختلف است.

از سال‌ها پیش برنامه‌های بلندمدتی برای آینده زمین و حتی فراتر از مرزهای فضایی آن در نظر گرفته شده است. این برنامه‌ها از نفوذ به اعماق زمین و بررسی هسته تشکیل دهنده آن گرفته تا بازگشت دوباره به ماه و سفر به مریخ، گستردگی قابل توجهی دارد.

رایانه‌هایی که امروزه از آنها به عنوان ابررایانه یاد می‌شود برای به کار گرفته شدن در یک فضاپیما و نظایر آن محدودیت‌های فراوانی دارند اما آنچه که در دانشگاه استنفورد ارائه شده و احتمالا مشابه آن در گوشه و کنار دنیا در حال ساخته شدن است می‌تواند چشم‌اندازی تازه ترسیم نماید. پیش‌بینی شده است که بین 10 تا 20 سال آینده نسل جدیدی از رایانه‌ها و به خصوص ابررایانه‌هایی تولید شوند که مبنای کار آنها صرفا الگوبرداری‌هایی است که از مغز انسان انجام شده است، الگوبرداری‌هایی که هرگونه احتمالی برای رسیدن به یک پاسخ مطمئن در نظر گرفته می‌شود.

مهدی کیا

منبع: discover

برخلاف تصور بسیاری از افراد، مغز همواره از یک تا 15 درصد نورون‌های خود در یک زمان واحد استفاده می‌کند و در حقیقت بسیاری از نورون‌های مغزی در حالت انفعال به سر می‌برند. بررسی‌ها نشان داده‌اند که سیناپس‌های مغزی معمولا بین 30 تا 90 درصد عملکرد درستی ندارند، با این حال مغز به کار خود ادامه می‌دهد.

تصویری از پروژه «شبکه نورونی» دانشگاه استنفورد. فناوری «شبکه نورونی» تنها یک آزمایش هیجان انگیز برای بررسی این نکته است که آیا می‌توان از محاسبات نویزی مغز انسان کپی برداری و در نهایت دنیای تازه‌ای در زمینه سیستم‌های هوشمند محاسباتی با راندمان قابل توجه مصرف انرژی خلق نمود یا نه؟! گرچه در ظاهر فرآیند دشواری در پیش روست اما دانشمندان این عرصه به آینده خوش بین هستند و معتقدند می‌توان آنچه را که در مغز برای محاسبه پیشامدها به کار گرفته می‌شود در رایانه‌های آینده و سیستم‌های فوق مدرن محاسباتی نیز به کار گرفت.