با پژوهشگر ارشد شرکت IBM

رایانه ای که می اندیشد

رایانه-ای-که-می-اندیشد
کد خبر : 719
سینا پرس : «دهارمندرا مونها» (Dharmendra Modha) یکی از پژوهشگران ارشد شرکت معروف IBM است که نقش پررنگی در طراحی رایانه الگوبرداری شده از مغز انسان دارد.

 الگوبرداری از ساختار پیچیده و در عین حال کم مصرف مغز می تواند به شکل گیری نسل جدیدی از رایانه ها بیانجامد که از توانایی هایی فراتر از رایانه های معمولی برخوردارند. شرکت آی.بی.ام از چند سال پیش، طراحی را برای تولید رایانه ای با الگوبرداری از عملکرد مغز انسان آغاز کرده است. مجله نیوساینتیست مصاحبه ای با «دهارمندرا مونها» (Dharmendra Modha) از پژوهشگران ارشد IBM انجام داده است.

 

منظور از ساخت رایانه ای که عملکردی همانند مغز انسان دارد چیست؟

ما می خواهیم اساس کارکرد مغز را در قالب فناوری سیلیکونی امروز شبیه سازی کنیم. در این میان قرار نیست از مدل آناتومی مغز الگوبرداری کنیم، بلکه میخواهیم رایانه ای بسازیم که توانایی های مغز در زمینه احساس، ادراک، تعامل و نیز شناخت را به انجام برساند و در عین حال دو نکته مهم یعنی مصرف کم انرژی و نیز حجم کم مغز را نیز در بر بگیرد.

رایانه های امروزی بسیار منطقی و کمّی هستند و از یک رویه ثابت در محاسبات خود پیروی می کنند. اساس رایانه های مدرن امروزی بر مبنای ساختاری است که 70 سال پیش برای ماشین های محاسباتی طراحی شد و به همین دلیل، واحدهای حافظه و پردازش از هم مجزا هستند و به شیوه ای گام به گام فعالیت می کنند. عملیات رایانه ای همگی بر اساس الگوریتمی که بر مبنای گام های مجزا نوشته شده صورت میگیرد. رایانه ها می توانند با سرعت بسیار بالایی به پردازش حجم انبوهی از داده ها بپردازند، اما در عین حال فاقد توانایی فکر کردن هستند. ما می خواهیم توانایی رایانه ها را دگرگون ساخته و به فراتر از وضعیت فعلی ببریم.

اساس این نسل جدید از رایانه ها نوعی تراشه جدید است. این تراشه چه ویژگی هایی دارد؟

رایانه های معمولی حجم زیادی انرژی را صرف جابجایی اطلاعات در حافظه میکنند. اما در مغز انسان، حافظه و محاسبه از هم مجزا نیستند و در هم تنیده شده اند. ما از این الگوی کلی در ساخت ریز تراشه مان که «ترونورث» (TrueNorth) یا همان «شمال واقعی» نامگذاری شده است استفاده کرده ایم. دلیل این نامگذاری این است که این فناوری می تواند شمال واقعی را بر روی نقشه به ما نشان دهد و مسیری مشخص و قابل اطمینان را برای طراحی سامانه هایی کم مصرف و با عملکردی مشابه مغز در برابر ما ترسیم کند.

قشر خاکستری مغز انسان از ریز ستون هایی تشکیل شده است که در هر یک از آنها، بین 100 تا 200 سلول عصبی در کنار هم قرار گرفته اند. ما از این ساختار برای تهیه آخرین نسخه از این تراشه استفاده کردیم. این تراشه دربردارنده شبکه ای شامل بیش از چهار هزار هسته است که هر کدام از 256 بخش مشابه سلول عصبی و 65 هزار واحد متصل کننده مشابه سیناپس تشکیل شده اند. این هسته های دیجیتالی که به نوعی شبیه سازی قسمتی از مغز است، حافظه، محاسبه و نیز ارتباط را به صورت یکجا در خود دارد. این هسته ها از قابلیت سازگاری برخوردارند.

منظورتان از سازگاری چیست؟

تراشه های موجود در رایانه های امروزی هر کدام بیش از یک میلیارد ترانزیستور دارند. اگر یکی از این ترانزیستورها بسوزد، تراشه از کار می افتد. اما اگر یکی از هسته های تراشه «ترونورث» بسوزد و از کار بیفتد، اطلاعات از مسیری دیگر منتقل می شوند، یعنی درست همانند کاری که مغز پس از بروز آسیب به بخشی از مدارهای خود به انجام می رساند.

اما آیا همه این کارکردها با مصرف انرژی کمتری نسبت به رایانه های امروزی صورت میگیرد؟

تراشه «ترونورث» بزرگترین تراشه ای است که آی.بی.ام تاکنون ساخته است و دارای 5.4 میلیارد ترانزیستور است و در عین حال در هنگام انجام محاسبات فقط 70 میلی وات انرژی مصرف می کند. در حالی که یک رایانه معمولی نظیر رایانه ای که در خانه دارید معمولاً 70 وات (یعنی هزار برابر این میزان) انرژی مصرف می کند. دلیل اینکه تراشه «ترونورث» انرژی کمتری مصرف می کند، این است که عملکردی شبیه به مغز دارد. در واقع این تراشه فقط در مواقعی که نیاز است، اطلاعات را پردازش کرده و بسیاری از این محاسبات را به صورت موازی به انجام می رساند.

ایده ساخت رایانه ای با الگوبرداری از مغز، سابقه ای حدود ده ساله دارد. چرا در طول این سالها هیچ اقدام جدی برای ساخت چنین رایانه ای به عمل نیامد؟

این امر به خاطر یک عامل بازدارنده و یک عامل پیش برنده بوده است. عامل پیش برنده این است در دنیای امروز با انبوهی از حسگرها، دوربین ها، میکروفن ها و انواع و اقسام تجهیزات الکترونیکی دیگر روبرو هستیم. همه این تجهیزات حجم زیادی از اطلاعات را با سرعتی بسیار زیادی و حجمی باور نکردنی تولید می کنند. اما رایانه های امروزی دیگر جوابگوی نیاز ما برای تحلیل این داده ها به صورت سریع و آنی نیستند.

اما عامل بازدانده ای که با آن روبرو بوده ایم، به آمادگی ما در زمینه فناوری مربوط می شود. دانش بشری هنوز با درک دقیق و ژرف ساختار مغزی فاصله زیادی دارد. با این همه، پس از حدود 125 سال از مطالعه مغز، آن قدر با ساختار و عملکرد آن آشنایی داریم که بتوانیم به شبیه سازی معنادار برخی کارکردهای آن بپردازیم.  اکنون با استفاده از ابررایانه ها می توانیم تا حدی به شبیه سازی مغز بپردازیم. در نتیجه می توانیم برخی جنبه های مغز نظیر ارتباطات، محاسبات، سرعت و حافظه آن را بررسی کنیم. در نهایت هم اینکه اندازه تراشه ها آن قدر کوچک شده که بتوانیم ساختار رایانه ها را به کلی دگرگون سازیم.

چرا با وجود اینکه ابررایانه هایی نظیر واتسون می توانند نتایج شگفت انگیزی ایجاد کنند، باز هم نیازمند ساختار جدیدی برای رایانه ها هستیم؟

رایانه های شناختی نظیر واتسون، ترکیبی از هوش مصنوعی و الگوریتم های یادگیری ماشین هستند. در این رایانه ها، هر قدر اطلاعات بیشتری به ماشین بدهیم، می توانیم به نتایج بهتری دست یابیم. در واقع این رایانه ها رفتاری مشابه رفتار مغز را بازسازی می کنند.

فرض کنید وظیفه تشخیص چهره مادرتان در میان یک جمعیت را به یک رایانه می سپاریم. با فرض اینکه مادرتان مدل موی خود را تغییر داده باشد و جهت و شدت نور در آن روز به شکلی متفاوت باشد، رایانه های امروزی قادر به انجام این تکلیف نخواهند بود. برای انجام چنین کاری، باید برنامه ای جدید بر مبنای انواع مختلفی از الگوریتم بنویسیم. برای طراحی چنین الگوریتم هایی باید ساختار رایانه ها را مورد بازنگری قرار دهیم.

آیا در این میان، قدرت محاسباتی رایانه را هم در نظر می گیرید؟

بله. در طراحی ساختار رایانه ای مشابه مغز باید مساله انرژی را هم مد نظر قرار دهیم، زیرا مصرف انرژی رایانه های فعلی مشابه مغز بسایر ناکارآمد است. در حال حاضر با استفاده از قدرتمندترین ابرریانه ها می توانیم مغز را البته با سرعتی 1500 برابر کمتر شبیه سازی کنیم. برای شبیه سازی مغز بر روی یک رایانه معمولی نیاز به 100 تریلیون محل اتصال داریم. گفتنی است یک مغز معمولی انسان دارای این تعداد سیناپس (اتصال دهنده سلول های عصبی) است. در این صورت این رایانه به 12 گیگاوات انرژی نیاز خواهد داشت. این میزان انرژی، بیش از مجموع برق مصرفی دو شهر بزرگ لس آنجلس و لندن است. مغز ما می تواند محسباتی این چنینی را با انرژی 20 واتی به انجام برساند که این انرژی برای روشن کردن یک لامپ بسیار کم نور کافی است. به همین دلیل است که با ساختار فعلی رایانه ها، نمی توانیم عملکردی مشابه مغز را با انرژی بسیار پایین به انجام برسانیم.

آیا این ساختار جدید رایانه ها، به کلی جایگزین ساختار فعلی خواهد شد؟

خیر. در واقع ما به هر دو نوع رایانه نیاز داریم، زیرا این دو به نوعی مکمل هم هستند. برای برخی کارها باید از توانایی رایانه های معملی و استفاده کنیم و برای برخی تکالیف نیز باید از رایانه هایی که از توانایی تفکر و سازگاری برخوردارند بهره ببریم.

چگونه می توانید رایانه ای را با الگوبرداری از مغز انسان طراح یکنید، در حالی که هنوز درک کاملی نسبت به مغز انسان نیافته ایم؟

وقتی ریچارد فینمن در گذشت، جمله ای را بر روی تخته اتاق خود به یادگار نهاد. او روی تابلو نوشته بود «چیزی که نمی توانم آن را بسازم را نخواهم فهمید». ثبت و ضبط همه فعالیت های مغز یک حیوان در طول دوره حیاتش غیر ممکن است، به همین دلیل باید به طور تدریجی به مطالعه آن پرداخت. اما طراحی رایانه ای بر اساس اطلاعات فعلی از مغز دو فایده مهم دارد. نخست این که ابزاری برای ما فراهم می شود تا بتوانیم فرضیات خود از نحوه عملکرد مغز را بیازماییم و به این ترتیب به فناوری جدید دست یابیم که با وجود ضعف بسیار در برابر مغز انسان، نسبت به ماشین های محاسباتی فعلی بسیار قدرتمندتر به حساب آید. دوم اینکه ساخت این رایانه می تواند فرآیند پژوهش در حوزه محاسبات و نیز دانش عصب شناسی را شتاب بخشد.

چرا باید رایانه ای شبیه به مغز انسان بسازیم، در حالی که هفت میلیارد مغز در جهان وجود دارد و بسیاری از آنها به خوبی مورد استفاده قرار نمی گیرند؟

چند نفر از آنها حاضرند همین الان به نیروگاه آسیب دیده هسته ای ژاپن در فوکوشیما بروند؟ وقتی با بحران هایی نظیر نشت مواد سمی روبرو هستیم، نمی خواهیم جان انسان ها را به خطر بیاندازیم. یا فرض کنید که دوربینی مداربسته برای کنترل ترافیک داریم که می تواند با بررسی حرکت خودروها، احتمال بروز تصادف را شناسایی کند. چند نفر انسان داریم که می توانند بدون پرت شدن حواس، روی این کار تمرکز کنند؟ اطلاعات ادراکی که به سوی ما می آیند آن قدر گسترده اند که کاری مثل شناسایی الگوها را باید به ماشین ها سپرد.

 

مترجم: صالح سپهری فر