سیناپرس: چه می‌شود اگر نسل بعدی سیستمهای فناوری اطلاعات و ارتباطات (آی‌سی‌تی) بر پایه ساختار مغز انسان و فرآیندهای شناختی و انطباقی آن شکل بگیرد؟پاسخ به این سوال الگوی پیشگامانه‌ای از معماری فناوری اطلاعات و ارتباطات هوشمند الهام گرفته از مغز است که به تازگی توسط دانشمندان ارائه شده است
راه‌حل‌های جدیدی برای پردازش اطلاعات توسعه یافته در شبکه‌ها و سخت افزارهای رایانه‌ای به وجود آمده است که رویکرد چند رشته ای مثل استفاده از دانش علم اعصاب و اعمال آن به رایانه و معماری شبکه دارند. با فرض این که مغز یک مدل ایده آل برای پردازش اطلاعات است، در سال های اخیر نمونه‌های متعددی از سیستمهای الهام گرفته زیستی ایجاد شدند که باعث تسهیل روند پیشرفت در زمینه‌های مختلف آی‌سی‌تی شده‌اند. برای مثال می‌توان به شبکه‌های عصبی مصنوعی مورد استفاده در سیستمهای یادگیری ماشینی یا استفاده از الگوریتم مورچه برای ردیابی مسیرهای بهینه در شبکه های ارتباطی اشاره کرد.
دانشمندان علم اعصاب در حال ارتقای دانش خود از طریق مدل‌های تمام مقیاس مغز هستند اما تا کنون موفق به ترسیم نحوه کار کردن مغز، درک حقایق، به یاد آوردن و رفتار کردن نشدند. پیشرفت‌های اخیر در روش‌های کسب اطلاعات در مورد فرآیندهای شناختی و نظم موجود در کالبد مغز ( برای هر دوی انسان و حیوان ) اجازه داده است که جامعه علمی شروع به تجزیه تحلیل و درک ساختار مغز و فرآیندهای شناختی و انتقالی آن کند. درک ساختار مغز یک فرصت منحصر به فرد برای طراحی سیستمهای آی‌سی‌تی جدید با الهام از ساختار مغز به وجود می‌آورد.
به تازگی برخی از شرکتهای غول دنیا در بخش آی‌سی‌تی مثل آی‌بی‌اِم، کوالکوم یا اینتل پروژه‌های مقدماتی برای طراحی سیستمهای آی‌سی‌تی الهام گرفته از مغز تعریف کرده‌اند که نشان‌دهنده اهمیت چنین پژوهش‌هایی برای بخش آی‌سی‌تی است. از جمله موسسه تحقیقاتی شبکه‌های آی‌ام‌دی‌ای‌اِی مادرید (IMDEA) پروژه‌ای با مضمون مهندسی داده با الهام از مغز آغاز کرده است. از جمله حامیان این پروژه می‌توان به شرکتهای بین‌المللی چون آلکاتل، آزمایشگاه‌های بِل، آی‌بی‌ان، زِد‌ای‌دی، مدیانت، مرکز تحقیقات و توسعه تلفونیکا، آزمایشگاه‌های اورنج، آزمایشگاه دانشگاه کمبریج و ۴دی‌نِیچر اشاره کرد.
آی‌سی‌تی یا فاوا
فناوری اطلاعات و ارتباطات عبارتی کلی در برگیرنده تمام فناوری‌های پیشرفته ارتباط و انتقال داده‌ها در سامانه‌های ارتباطی است. این سامانه می‌تواند یک شبکه مخابراتی، چندین کامپیوتر مرتبط با هم و متصل به شبکه مخابراتی، اینترنت و همچنین برنامه‌های استفاده شده در آنها باشد. آی‌سی‌تی بدون شک تحولات گسترده‌ای در تمامی عرصه‌های اجتماعی و اقتصادی بشریت به دنبال داشته و تاثیر آن بر جوامع بشری به گونه‌ای است که جهان امروز به سرعت در حال تبدیل شدن به یک جامعه اطلاعاتی است. جامعه‌ای که در آن دانایی و میزان دسترسی و استفاده مفید از دانش، دارای نقشی محوری و تعیین کننده است. گستردگی کاربرد و تاثیرات آن در ابعاد مختلف زندگی امروزی و آینده جوامع بشری به یکی از مهمترین مباحث روز جهان تبدیل شده و توجه بسیاری از کشورهای جهان را به خود معطوف کرده است.
شبکه عصبی مصنوعی
شبکه‌های عصبی سیستمها و روش‌های محاسباتی جدیدی برای یادگیری ماشینی، نمایش دانش، و در انتها اعمال دانش به دست آمده در جهت بیش‌بینی پاسخ‌های خروجی از سامانه‌های پیچیده هستند. ایده اصلی این شبکه‌ها الهام‌گرفته از شیوه کارکرد سیستم عصبی زیستی، برای پردازش داده‌ها و اطلاعات است. این سیستم از تعداد زیادی عناصر پردازشی فوق العاده بهم‌پیوسته با نام نورون تشکیل شده است که برای حل یک مساله هماهنگ با هم عمل می‌کنند و توسط سیناپسها (ارتباطات الکترومغناطیسی) اطلاعات را منتقل می‌کنند. در این شبکه‌ها اگر یک سلول آسیب ببیند بقیه سلولها می‌توانند نبود آن را جبران کنند و نیز در بازسازی آن سهیم باشند. این شبکه‌ها قادر به یادگیری‌اند. مثلا با اعمال سوزش به سلولهای عصبی لامسه، سلولها یاد می‌گیرند که به طرف جسم داغ نروند و با این الگوریتم سیستم می‌آموزد که خطای خود را اصلاح کند. یادگیری در این سیستمها به صورت تطبیقی صورت می‌گیرد، یعنی با استفاده از مثال‌ها وزن سیناپسها به گونه‌ای تغییر می‌کند که در صورت اعمال ورودی‌های جدید، سیستم پاسخ درستی تولید کند.
توافق دقیقی برای تعریف شبکه عصبی در میان پژوهشگران وجود ندارد؛ اما اغلب آنها موافقند که شبکه عصبی شامل شبکه‌ای از عناصر پردازش ساده (نورونها) است و می‌تواند رفتار پیچیده کلی تعیین شده‌ای از ارتباط بین عناصر پردازش و پارامترهای عنصر را نمایش دهد. منبع اصلی و الهام بخش برای این تکنیک، از آزمایش سیستم مرکزی عصبی و نورونها (آکسونها، شاخه‌های متعدد سلولهای عصبی و محلهای تماس دو عصب)نشات گرفته است، که یکی از قابل توجه‌ترین عناصر پردازش اطلاعات سیستم عصبی را تشکیل می‌دهد. در یک مدل شبکه عصبی، گره‌های ساده برای تشکیل شبکه‌ای از گره‌ها، به هم متصل شده اند. به همین دلیل به آن، اصطلاح شبکه‌های عصبی اطلاق می‌شود. در حالی که یک شبکه عصبی نباید به خودی خود سازگارپذیر باشد، استفاده عملی از آن به واسطه الگوریتم‌هایی امکان پذیر است که جهت تغییر وزن ارتباطات در شبکه (به منظور تولید سیگنال موردنظر) طراحی شده باشد.
با استفاده از دانش برنامه‌نویسی رایانه‌ای می‌توان ساختار داده‌ای طراحی کرد که همانند یک نورون عمل نماید. سپس با ایجاد شبکه‌ای از این نورون‌های مصنوعی به هم پیوسته، ایجاد یک الگوریتم آموزشی برای شبکه و اعمال این الگوریتم به شبکه آن را آموزش داد.
این شبکه‌ها برای تخمین و تقریب کارایی بسیار بالایی از خود نشان داده‌اند. گستره کاربرد این مدل‌های ریاضی برگرفته از عملکرد مغز انسان، بسیار وسیع می‌باشد که به عنوان چند نمونه کوچک می‌توان استفاده از این ابزار ریاضی در پردازش سیگنال‌های بیولوژیکی، مخابراتی، الکترونیکی، نجوم و فضانوردی را نام برد.
No tags for this post.