رایانش نورومورفیک، که بهعنوان محاسبات الهامگرفته از مغز شناخته میشود، بهدنبال نزدیک کردن قابلیتهای محاسباتی به کارایی مغز انسان است. مغز انسان با حدود ۲۰ وات انرژی، تواناییهای شگفتانگیزی را در پردازش اطلاعات و یادگیری ارائه میدهد. در حالی که سیستمهای هوش مصنوعی امروزی برای دستیابی به حتی بخشی از این قابلیتها به زیرساختهای محاسباتی و انرژی بسیار زیادی نیاز دارند.
چالشهای محاسباتی و انرژی
فرآیندهای محاسباتی در مغز انسان با استفاده از نورونها و سیناپسها انجام میشود. هر نورون با دریافت سیگنالهایی از همسایگان خود، در صورت عبور از آستانهای، پالس الکتریکی را ارسال میکند. این نوع کارایی به دلیل استفاده بهینه از انرژی و ادغام حافظه و پردازش در سیناپسها امکانپذیر است. برعکس، در چیپهای معمولی، پردازشگر و حافظه جدا هستند و این جدایی منجر به انتقال دادهها و مصرف انرژی بیشتر میشود. این مشکل به «گلوگاه فون نویمان» معروف است که در سال ۱۹۷۸ توسط جان بکوس معرفی شد.
بیشتر بخوانید: آیندهٔ ارتباطات: زبانهای هوش مصنوعی چه هستند؟
مزایای رایانش نورومورفیک
رایانش نورومورفیک با نزدیک کردن حافظه و پردازش، استفاده از نمایههای نادر (جایی که بیشتر مقادیر صفر هستند) و انجام محاسبات فقط در زمان وقوع رویدادها، به این چالشها پاسخ میدهد. حسگرهای رویداد، که مشابه شبکیه انسان طراحی شدهاند، تنها زمانی که تغییراتی در صحنه مشاهده میشود، واکنش نشان میدهند و در نتیجه انرژی کمتری مصرف میکنند و در برابر حرکات سریع و شرایط نوری شدید کارایی بهتری دارند. این مزایا در خودروهای خودران و فضا، جایی که قدرت محدود و شرایط نوری متنوع وجود دارد، اهمیت ویژهای دارند.
در حالی که ممکن است تصور شود که سختافزار نورومورفیک میتواند به اندازه کارتهای پردازش گرافیکی انویدیا در دنیای هوش مصنوعی تأثیرگذار باشد، این دو نوع چیپ از نظر عملکرد و طراحی متفاوت هستند. سختافزار نورومورفیک بهجای تمرکز بر محاسبات متراکم و تکراری، بهدنبال ایجاد طیف وسیعی از چیپهای تخصصی است.
شرکت BrainChip در استرالیا، پردازنده نورومورفیک تجاری را برای تامین انرژی حسگرها و دوربینها با حداقل مصرف برق عرضه کرده است. انتظار میرود که سختافزار نورومورفیک در کنار پردازندههای معمولی و کارتهای گرافیکی موجود باشد و کارهایی را انجام دهد که در آن مزیت کارایی آنها مشهود است.
چشمانداز آینده و چالشها
مزیت دیگر فناوریهای رایانش نورومورفیک، پردازش دادهها در محل تولید آنهاست که میتواند به حفظ حریم خصوصی و امنیت سایبری کمک کند. این امکان به دستگاهها اجازه میدهد که بهصورت آفلاین کار کنند و نیازی به ارسال دادهها به یک سرور دور نباشد. این ویژگی در کاربردهایی که نیاز به تصمیمگیری سریع دارند، مانند خودروهای خودران و رباتها، بسیار حائز اهمیت است.
با اینکه این نوع محاسبات موجب کاهش نیاز به مراکز داده نخواهد شد، اما میتواند استفاده از آنها را به طرز چشمگیری بهبود بخشد. شرکت IBM با چیپ TrueNorth خود، صرفهجوییهای انرژی تا ۱۰,۰۰۰ برابر را در مقایسه با معماریهای دیجیتال معمولی نشان داده است.
تاریخچه محاسبات نشان میدهد که این نوع تغییرات ممکن است. نخستین کامپیوترها بهقدری بزرگ و پرمصرف بودند که اتاقهای کامل را اشغال میکردند. اکنون، یک چیپ کوچکتر از ناخن در گوشیهای هوشمند شما بهمراتب قابلیتهای بیشتری دارد. رایانش نورومورفیک امکان ایجاد تحولی مشابه را با بازنگری در نحوه عملکرد محاسباتی فراهم میکند.
تحقق این وعده به زیرساختهای پایدار و همکاریهای بین دانشگاهها، صنعت و دولت نیاز دارد. پیشبینی میشود که بازار جهانی فناوریهای نورومورفیک تا سال ۲۰۳۰ به ۲۰ میلیارد دلار برسد. بنابراین، برای دستیابی به این هدف، ایجاد تسهیلات دسترسی آزاد و استانداردهای مشترک ضروری است.
بیشتر بخوانید: گارت میلاریک و خلق یک کمدی با هوش مصنوعی: آیا میخنداند؟ · تأثیرات منفی فناوری بر دموکراسی: درسهای فیسبوک و هوش مصنوعی
