گردشگری

توسعه رایانه‌هایی با شباهت بیشتر به عملکرد مغز انسان
محققان هلندی در مطالعه اخیرشان برای اولین بار نشان داده‌اند که توسعه یک سیستم محاسباتی مانند مغز در کوچک‌ترین مقیاس اتم امکانپذیر است.
به گزارش ایسنا و به نقل از آی او، در مطالعه‌ای که اخیرا در دانشگاه توئنته(UT) در هلند انجام شد، محققان رویای توسعه رایانه‌های جدید شبیه مغز را یک قدم به واقعیت نزدیک‌تر کردند. یک گروه بین‌المللی از محققان به سرپرستی پروفسور کریستین نیجویس نوع جدیدی از سوئیچ مولکولی را توسعه داده‌اند که می‌تواند از رفتارهایی که قبلا داشته است، بیاموزد. به گفته محققان این مولکول‌ها به همان روشی که مغز ما این کار را انجام می‌دهد در حال فراگیری این موضوع هستند.
نیجویس گفت: رایانه‌ها، مراکز داده و سایر وسایل الکترونیکی انرژی زیادی مصرف می‌کنند. ما اکنون در حال ساخت مزارع بادی بزرگ هستیم تا بتوانیم این تقاضای انرژی را برآورده کنیم. اما ما همچنین می‌توانیم توجه خود را به کارآمدتر کردن وسایل الکترونیکی خود معطوف کنیم. مغز ما جزو کارآمدترین رایانه‌هایی است که می‌شناسیم. مغز ۱۰ هزار برابر کمتر از مقرون به صرفه‌ترین رایانه‌ها انرژی مصرف می‌کند. این به این دلیل است که مغز ما داده‌ها را به روش‌های کاملا متفاوتی پردازش می‌کند. در حالی که رایانه‌ها جریان‌های باینری اطلاعات را با صفر و یک پردازش می‌کنند، مغز ما به طور مشابه با پالس‌های وابسته به زمان کار می‌کند. مغز ما اطلاعات میلیون‌ها سلول عصبی را که از تمام حواس ما می‌آیند، بدون هیچ مشکلی پردازش می‌کند. هنگام انجام این کار، برخلاف الکترونیک سنتی، تنها از سلول‌های مغز و سیناپس‌هایی استفاده می‌کند که پالس‌ها از آن عبور می‌کنند. از آنجایی که انرژی فقط در یک پالس مصرف می‌شود، مغز ما می‌تواند بسیاری از داده‌ها را در یک زمان بسیار کارآمدتر پردازش کند.
مولکول‌هایی که نیجویس و تیمش مهندسی کرده‌اند، می‌توانند تمام عملیات گیت منطقی بولیمورد نیاز برای یادگیری عمیق را انجام دهند. در الکترونیک دیجیتال، دروازه منطقی یا گِیت منطقی روی یک یا دو ورودیِ منطقی، عملیات منطقی انجام می‌دهد و یک خروجی منطقی تولید می‌کند. اساس عملکرد آن بر منطق بولی استوار است که بر تمام مدارهای دیجیتال حاکم است. گیت‌های منطقی عمدتاً از ادوات الکترونیکی مانند ترانزیستورها تشکیل می‌شوند ولی ممکن است از قطعات الکترومغناطیسی مانند رله‌ها، قطعات نوری یا حتی مکانیکی ساخته شوند.
یادگیری عمیق شکلی از یادگیری ماشینی مبتنی بر شبکه‌های عصبی مصنوعی است و به طور گسترده نه تنها در مورد تشخیص خودکار تصاویر و گفتار، بلکه در جستجوی داروهای جدید و اخیراً در خلق هنر نیز استفاده می‌شود. نیجویس خاطرنشان کرد که انجام همه آنها برای رایانه بسیار دشوارتر از مغز ما است. محققان در زمینه نرم افزارهای هوش مصنوعی پیشرفت زیادی کرده‌اند، اما این مولکول‌ها اکنون سخت افزار هوش مصنوعی را نیز به هم نزدیک‌تر می‌کنند.