هدف یک ابر رایانه جدید شبیه مغز، مطابقت با مقیاس مغز انسان است

ابرکامپیوتری که قرار است در آوریل 2024 آنلاین شود، با نرخ تخمینی عملیات در مغز انسان رقابت خواهد کرد. به گفته محققان استرالیایی. این دستگاه که DeepSouth نام دارد، قادر به انجام 228 تریلیون عملیات در ثانیه است.

این اولین ابررایانه جهان است که قادر به شبیه سازی شبکه های نورون ها و سیناپس ها (ساختارهای بیولوژیکی کلیدی که سیستم عصبی ما را تشکیل می دهند) در مقیاس مغز انسان است.

DeepSouth متعلق به یک رویکرد است به عنوان محاسبات نورومورفیک شناخته می شودکه هدف آن تقلید از فرآیندهای بیولوژیکی مغز انسان است. این از مرکز بین المللی سیستم های نورومورفیک در دانشگاه وسترن سیدنی اجرا خواهد شد.

مغز ما شگفت انگیزترین ماشین محاسباتی است که می شناسیم. با توزیع آن
با توان محاسباتی میلیاردها واحد کوچک (نورون) که از طریق تریلیون‌ها اتصال (سیناپس) برهم کنش دارند، مغز می‌تواند با قوی‌ترین ابررایانه‌های جهان رقابت کند، در حالی که تنها به همان قدرتی نیاز دارد که توسط لامپ لامپ یخچال استفاده می‌شود.

در همین حال، ابرکامپیوترها به طور کلی فضای زیادی را اشغال می کنند و برای کار کردن به مقدار زیادی انرژی الکتریکی نیاز دارند. جهان قوی ترین ابر کامپیوتراز هیولت پاکارد Enterprise Frontier، می تواند بیش از یک کوئینتیلیون عملیات در ثانیه انجام دهد. مساحت آن 680 متر مربع (7,300 فوت مربع) است و برای کار به 22.7 مگاوات نیاز دارد.

مغز ما می تواند همان تعداد عملیات را در ثانیه تنها با 20 وات توان انجام دهد، در حالی که وزن آن تنها 1.3 تا 1.4 کیلوگرم است. در میان چیزهای دیگر، محاسبات نورومورفیک قصد دارد اسرار این کارایی شگفت‌انگیز را باز کند.

ترانزیستورها در محدوده

در 30 ژوئن 1945، ریاضیدان و فیزیکدان جان فون نویمان طراحی یک ماشین جدید را شرح داد رایانه خودکار متغیر گسسته الکترونیکی (Edvac). این به طور موثر کامپیوتر الکترونیکی مدرن را آنگونه که ما می شناسیم تعریف کرد.

تلفن هوشمند من، لپ‌تاپی که برای نوشتن این مقاله استفاده می‌کنم، و قدرتمندترین ابررایانه جهان، همگی از ساختار بنیادی یکسانی برخوردارند که فون نویمان تقریباً 80 سال پیش معرفی کرد. همه اینها دارای واحدهای پردازش و حافظه مجزا هستند، جایی که داده ها و دستورالعمل ها در حافظه ذخیره می شوند و توسط یک پردازنده محاسبه می شوند.

برای چندین دهه، تعداد ترانزیستورهای روی یک ریزتراشه تقریباً هر دو سال دو برابر می شد. مشاهده ای که به قانون مور معروف است. این به ما اجازه داد تا کامپیوترهای کوچکتر و ارزانتری داشته باشیم.

با این حال، اندازه ترانزیستور در حال حاضر نزدیک است مقیاس اتمی. در این اندازه های کوچک، تولید گرمای بیش از حد یک مشکل است، مانند پدیده ای به نام تونل کوانتومی، که در عملکرد ترانزیستورها اختلال ایجاد می کند. این در حال کند شدن است و در نهایت کوچک سازی ترانزیستور را متوقف خواهد کرد.

برای غلبه بر این مسئله، دانشمندان در حال بررسی رویکردهای جدیدی هستند
محاسبهبا شروع از کامپیوتر قدرتمندی که همه ما در سر خود پنهان کرده ایم، مغز انسان. مغز ما طبق مدل کامپیوتر جان فون نویمان کار نمی کند. آنها مناطق محاسباتی و حافظه جداگانه ندارند.

آنها در عوض با اتصال میلیاردها سلول عصبی که اطلاعات را به شکل تکانه های الکتریکی ارتباط برقرار می کنند، کار می کنند. اطلاعات را می توان از یک نورون از طریق اتصالی به نام سیناپس به نورون بعدی می رسد. سازماندهی نورون ها و سیناپس ها در مغز انعطاف پذیر، مقیاس پذیر و کارآمد است.

بنابراین در مغز - و برخلاف کامپیوتر - حافظه و محاسبات توسط همان نورون‌ها و سیناپس‌ها اداره می‌شوند. از اواخر دهه 1980، دانشمندان این مدل را با هدف وارد کردن آن به محاسبات مطالعه کردند.

تقلید از زندگی

کامپیوترهای نورومورفیک مبتنی بر شبکه های پیچیده ای از پردازنده های ساده و ابتدایی هستند (که مانند نورون ها و سیناپس های مغز عمل می کنند). مزیت اصلی این است که این ماشین آلات ذاتا "موازی" هستند.

این بدان معناست که، مانند نورون ها و سیناپس ها، تقریباً تمام پردازنده های یک رایانه به طور بالقوه می توانند به طور همزمان کار کنند و پشت سر هم با هم ارتباط برقرار کنند.

علاوه بر این، از آنجایی که محاسبات انجام شده توسط سلول‌های عصبی و سیناپس‌ها در مقایسه با رایانه‌های سنتی بسیار ساده است، مصرف انرژی مرتباً کمتر است. اگرچه گاهی اوقات نورون ها به عنوان واحدهای پردازش و سیناپس ها به عنوان واحدهای حافظه در نظر گرفته می شوند، اما آنها هم در پردازش و هم در ذخیره سازی نقش دارند. به عبارت دیگر، داده ها قبلاً در جایی قرار دارند که محاسبات به آن نیاز دارد.

این امر محاسبات مغز را به طور کلی سرعت می بخشد زیرا هیچ جدایی بین حافظه و پردازنده وجود ندارد که در ماشین های کلاسیک (فون نیومن) باعث کندی سرعت می شود. اما همچنین از نیاز به انجام یک کار خاص برای دسترسی به داده ها از یک جزء اصلی حافظه جلوگیری می کند، همانطور که در سیستم های محاسباتی معمولی اتفاق می افتد و مقدار قابل توجهی انرژی مصرف می کند.

اصولی که توضیح دادیم الهام‌بخش اصلی DeepSouth هستند. این تنها سیستم نورومورفیک در حال حاضر فعال نیست. شایان ذکر است پروژه مغز انسان (HBP)، تامین مالی شده تحت یک ابتکار اتحادیه اروپا. HBP از سال 2013 تا 2023 عملیاتی بود و منجر به BrainScaleS شد، ماشینی واقع در هایدلبرگ، آلمان، که روش کار نورون ها و سیناپس ها را شبیه سازی می کند.

مقیاس مغزی می تواند نحوه "میخ زدن" نورون ها را شبیه سازی کند، راهی که یک تکانه الکتریکی در طول یک نورون در مغز ما حرکت می کند. این امر، BrainScaleS را به یک کاندید ایده‌آل برای بررسی مکانیک فرآیندهای شناختی و در آینده، مکانیسم‌های زمینه‌ساز بیماری‌های عصبی جدی و تخریب‌کننده عصبی تبدیل می‌کند.

از آنجایی که آنها برای تقلید از مغزهای واقعی مهندسی شده اند، کامپیوترهای نورومورفیک می توانند آغاز یک نقطه عطف باشند. با ارائه قدرت محاسباتی پایدار و مقرون به صرفه و اجازه به محققان برای ارزیابی مدل‌های سیستم‌های عصبی، بستری ایده‌آل برای طیف وسیعی از کاربردها هستند. آنها این پتانسیل را دارند که هم درک ما از مغز را ارتقا دهند و هم ارائه دهند رویکردهای جدید هوش مصنوعی.

این مقاله از مجله منتشر شده است گفتگو تحت مجوز Creative Commons دفعات بازدید: مقاله.

تصویر های اعتباری: ماریان انبو جوان / Pixabay

• محتوای مبتنی بر SEO و توزیع روابط عمومی. امروز تقویت شوید.
• PlatoData.Network Vertical Generative Ai. به خودت قدرت بده دسترسی به اینجا.
• PlatoAiStream. هوش وب 3 دانش تقویت شده دسترسی به اینجا.
• PlatoESG. کربن ، CleanTech، انرژی، محیط، خورشیدی، مدیریت پسماند دسترسی به اینجا.
• PlatoHealth. هوش بیوتکنولوژی و آزمایشات بالینی. دسترسی به اینجا.
• منبع: https://singularityhub.com/2023/12/20/a-new-brain-like-supercomputer-aims-to-match-the-scale-of-the-human-brain/