لقد حان الوقت للحوسبة المستوحاة من بنية الدماغ. الخوارزميات التي تستخدم الشبكات العصبية والتعلم العميق ، وتقليد بعض جوانب الدماغ البشري ، وتسمح لأجهزة الكمبيوتر الرقمية بالوصول إلى ارتفاعات لا تصدق في ترجمة اللغة ، والبحث عن أنماط مراوغة في كميات هائلة من البيانات ، وضرب الناس في Go.
ولكن بينما يواصل المهندسون تطوير هذه الإستراتيجية الحسابية بفاعلية ، القادرة على الكثير ، فإن كفاءة استخدام الطاقة في الحوسبة الرقمية تقترب من حدها. تستهلك مراكز البيانات وأجهزة الكمبيوتر الفائقة لدينا ميجاوات بالفعل - 2٪ من إجمالي الكهرباء المستهلكة في الولايات المتحدة تذهب إلى مراكز البيانات. والدماغ البشري يستحق 20 واط ، وهذا جزء صغير من الطاقة الموجودة في الطعام اليومي المستهلك. إذا أردنا تحسين أنظمة الحوسبة ، فنحن بحاجة إلى جعل أجهزة الكمبيوتر تبدو مثل العقول.
ترتبط هذه الزيادة في الاهتمام بتكنولوجيات التشكل العصبي بهذه الفكرة ، التي تعد بأخذ أجهزة الكمبيوتر خارج الشبكات العصبية البسيطة ، نحو الدوائر التي تعمل كخلايا عصبية ومتشابكة. تم تطوير الدوائر المادية المشابهة للدماغ بالفعل بشكل جيد. أدى العمل الذي قمت به في مختبري والمؤسسات الأخرى حول العالم على مدى السنوات الـ 35 الماضية إلى إنشاء مكونات عصب اصطناعية ، تشبه المشابك والتشعبات ، والتي تتفاعل وتولد إشارات كهربائية بنفس الطريقة التي تتفاعل بها الإشارات الكهربائية.
إذن ما هو المطلوب لدمج لبنات البناء هذه في دماغ كمبيوتر كامل؟ في عام 2013 ، ساعدني بو مار ، طالب الدراسات العليا السابق في معهد جورجيا للتكنولوجيا ، على
تقييم أفضل التطورات الحديثة في الهندسة وعلم الأعصاب . استنتجنا أنه من الممكن إنشاء نسخة من السيليكون لقشرة الدماغ البشري باستخدام الترانزستورات. علاوة على ذلك ، ستشغل الآلة النهائية أقل من متر مكعب في الفضاء وتستهلك أقل من 100 واط ، وهو ما لا يختلف كثيرًا عن الدماغ البشري.
لا أريد أن أقول أن إنشاء مثل هذا الكمبيوتر سيكون سهلاً. سيتطلب النظام الذي اخترعناه عدة مليارات من الدولارات للتطوير والبناء ، ولإضفاء الطابع المضغوط عليه ، سيتضمن العديد من الابتكارات المبتكرة. السؤال الذي يطرح نفسه هو كيف سنبرمج وندرب مثل هذا الكمبيوتر. لا يزال باحثو التشكل العصبي يكافحون من أجل فهم كيفية جعل الآلاف من الخلايا العصبية الاصطناعية تعمل معًا وكيفية العثور على تطبيقات مفيدة لنشاط الدماغ الزائف.
ومع ذلك ، فإن حقيقة أننا يمكن أن نخرج بمثل هذا النظام تشير إلى أنه لم يكن لدينا وقت طويل قبل ظهور رقائق صغيرة الحجم مناسبة للاستخدام في الإلكترونيات المحمولة والقابلة للارتداء. سوف تستهلك مثل هذه الأدوات القليل من الطاقة ، لذا فإن الرقاقة العصبية ذات كفاءة الطاقة العالية - حتى لو لم تأخذ سوى جزء من الحسابات ، على سبيل المثال ، معالجة الإشارات - يمكن أن تصبح ثورية. يمكن أن تعمل الميزات الموجودة ، مثل التعرف على الكلام ، في البيئات الصاخبة. يمكنك حتى تخيل الهواتف الذكية في المستقبل التي تقوم بترجمة الكلام في الوقت الحقيقي في محادثة بين شخصين. فكر في هذا الأمر: على مدى 40 عامًا منذ ظهور الدوائر المتكاملة لمعالجة الإشارات ، حسّن قانون مور من كفاءة الطاقة بحوالي 1000 مرة. يمكن أن تتجاوز رقائق الأشكال العصبية الشبيهة بالدماغ هذه التحسينات بسهولة ، مما يقلل من استهلاك الطاقة بمقدار 100 مليون مرة أخرى. ونتيجة لذلك ، فإن الحسابات التي كانت في السابق بحاجة إلى مركز بيانات تناسب راحة يدك.
في آلة مثالية تقترب من الدماغ ، سيكون من الضروري إعادة إنشاء نظائرها لجميع المكونات الوظيفية الرئيسية للدماغ: المشابك التي تربط الخلايا العصبية وتسمح لها بتلقي الإشارات والاستجابة لها ؛ التشعبات التي تجمع وتجري الحسابات المحلية على أساس الإشارات الواردة ؛ النواة ، أو سوما ، هي منطقة كل نيوترون ، تجمع بين المدخلات من التشعبات وتحيل الإخراج إلى المحور العصبي.
يتم تنفيذ أبسط إصدارات هذه المكونات الأساسية بالفعل في السيليكون. تم تقديم بداية هذا العمل بواسطة نفس أشباه الموصلات من أكسيد الفلز ، أو MOSFET ، التي تُستخدم مليارات النسخ منها لبناء دوائر منطقية في المعالجات الرقمية الحديثة.
تشترك هذه الأجهزة كثيرًا مع الخلايا العصبية. تعمل الخلايا العصبية عن طريق حواجز يتم التحكم فيها بالجهد ، ويعتمد نشاطها الكهربائي والكيميائي بشكل أساسي على القنوات التي تتحرك فيها الأيونات بين الفراغات الداخلية والخارجية للخلية. هذه عملية سلسة وتناظرية يوجد فيها تراكم أو تقليل مستمر للإشارة ، بدلاً من عمليات تشغيل / إيقاف بسيطة.
كما يتم التحكم في MOSFET وتعمل عن طريق تحركات وحدات الشحن الفردية. وعندما تعمل أجهزة MOSFET في وضع "العتبة الفرعية" ، دون الوصول إلى عتبة الجهد ، وتبديل وضعي التشغيل وإيقاف التشغيل ، يكون مقدار التيار المتدفق عبر الجهاز صغيرًا جدًا - أقل من ألف جزء من التيار الذي يمكن العثور عليه في مفاتيح نموذجية أو بوابات رقمية.
تم التعبير عن فكرة أنه يمكن استخدام فيزياء الترانزستورات دون العتبة لإنشاء دوائر تشبه الدماغ من قبل كارفر ميد من كالتيك ، الذي ساهم في الثورة في مجال الدوائر المتكاملة فائقة الضخامة في السبعينيات. وأشار ميل إلى أن مصممي الرقائق لم يستخدموا العديد من الجوانب المثيرة للاهتمام لسلوكهم ، باستخدام الترانزستورات حصريًا للمنطق الرقمي. هذه العملية ، كما
كتب في عام 1990 ، تشبه حقيقة أن "كل الفيزياء الجميلة الموجودة في الترانزستورات يتم سحقها إلى أصفار وأخرى ، ثم يتم بناء بوابات AND و OR بشكل مؤلم على هذا الأساس لإعادة اختراع الضرب". يمكن لجهاز كمبيوتر "فيزيائي" أو قائم على الفيزياء أن يقوم بحسابات أكثر لكل وحدة طاقة من تلك التي تقوم بها وحدة رقمية تقليدية. توقع ميد أن يشغل هذا الكمبيوتر مساحة أقل.
في السنوات اللاحقة ، قام مهندسو النظم العصبية بتشكيل جميع الكتل الأساسية للدماغ من السيليكون بدقة بيولوجية عالية. يمكن صنع التشعبات ، والمحوار ، وسوما الخلايا العصبية من الترانزستورات القياسية وعناصر أخرى. على سبيل المثال ، في عام 2005 ،
أنشأنا أنا وإيثان فاركوهار
دائرة عصبية من مجموعة من ستة وحدات MOSFET ومجموعة من المكثفات. ينبعث نموذجنا من النبضات الكهربائية ، تشبه إلى حد كبير تلك التي تنبعث منها الحبار العصبي سمك السلور - وهو كائن طويل الأمد من التجارب. علاوة على ذلك ، حقق مخططنا مثل هذه المؤشرات بمستويات استهلاك الطاقة الحالية قريبة من تلك الموجودة في دماغ الحبار. إذا أردنا استخدام الدوائر التناظرية لنمذجة المعادلات التي اشتقها علماء الأعصاب لوصف هذا السلوك ، فسيتعين علينا استخدام 10 مرات أكثر من الترانزستورات. يتطلب إجراء مثل هذه الحسابات على جهاز كمبيوتر رقمي مساحة أكبر.
المشابك وسمك السلور: يمكن استخدام ترانزستور بوابة عائمة (أعلى اليسار) ، قادر على تخزين كمية مختلفة من الشحنة ، لإنشاء مجموعة متناسقة من المشابك الاصطناعية (أسفل اليسار). يمكن عمل نسخ إلكترونية من المكونات الأخرى للخلايا العصبية ، مثل سمك السلور (الأيمن) ، من الترانزستورات القياسية والمكونات الأخرى.
المشابك أكثر صعوبة في تقليدها. يجب أن يكون الجهاز الذي يتصرف مثل المشبك قادرًا على تذكر الحالة التي يكون فيها ، والاستجابة بطريقة معينة للإشارة الواردة ، وتكييف استجاباته بمرور الوقت.
هناك عدة طرق محتملة لإنشاء نقاط الاشتباك العصبي. أكثرها تطورًا هو مشابك
التعلم الترانزستور المفرد (STLS) ، والذي عملت أنا وزملائي في Kaltech في التسعينات ، عندما كنت طالبًا خريجًا في Mead.
قدمنا لأول مرة STLS في عام 1994 ، وأصبح أداة مهمة للمهندسين الذين ينشئون دوائر تناظرية حديثة - على سبيل المثال ، الشبكات العصبية المادية. في الشبكات العصبية ، يكون لكل عقدة في الشبكة وزن مرتبط بها ، وتحدد هذه الأوزان كيفية دمج البيانات من العقد المختلفة. كان STLS أول جهاز قادر على احتواء مجموعة من الأوزان المختلفة وإعادة البرمجة بسرعة. بالإضافة إلى ذلك ، الجهاز غير متقلب ، أي أنه يتذكر حالته ، حتى عندما لا يكون قيد الاستخدام - هذا الظرف يقلل بشكل كبير من الحاجة إلى الطاقة.
STLS هو نوع من ترانزستور البوابة العائمة ، وهو جهاز يستخدم لإنشاء خلايا في ذاكرة فلاش. في MOSFET التقليدية ، تتحكم البوابة في التيار المار عبر القناة. يحتوي ترانزستور البوابة العائمة على بوابة ثانية بين البوابة الكهربائية والقناة. هذا الغالق غير متصل مباشرة بالأرض أو أي مكون آخر. بفضل هذا العزل الكهربائي ، المعزز بعوازل السيليكون عالية الجودة ، يتم تخزين الشحنة في بوابة عائمة لفترة طويلة. هذا المصراع قادر على تحمل كمية مختلفة من الشحنة ، وبالتالي يمكن أن يعطي استجابة كهربائية على العديد من المستويات - وهذا ضروري لإنشاء مشابك اصطناعية يمكن أن تغير استجابتها للمنبه.
استخدمت أنا وزملائي STLS لإثبات أول شبكة إحداثيات ، وهو نموذج حسابي يحظى بشعبية بين الباحثين في الأجهزة النانوية. في صفيف ثنائي الأبعاد ، تقع الأجهزة عند تقاطع خطوط الإدخال التي تنتقل من الأعلى إلى الأسفل وخطوط الإخراج من اليسار إلى اليمين. هذا التكوين مفيد لأنه يسمح لك ببرمجة قوة الاتصال لكل "مشبك متشابك" بشكل منفصل ، دون التدخل في العناصر الأخرى للصفيف.
بفضل برنامج DARPA الأخير المسمى
SyNAPSE ، حفزت الهندسة العصبية البحثية على المشابك الاصطناعية المصنوعة من أجهزة النانو مثل memristors والذاكرة المقاومة وذاكرة الحالة الطورية ، وكذلك أجهزة البوابة العائمة. ولكن سيكون من الصعب تحسين هذه المشابك الاصطناعية الجديدة على أساس المصفوفات مع مصراع عائم قبل عشرين عامًا. من الصعب برمجة Memristors وأنواع أخرى من الذاكرة الجديدة. بنية بعض منهم بحيث يصعب الوصول إلى جهاز معين في صفيف إحداثيات. يحتاج البعض الآخر إلى ترانزستور مخصص للبرمجة ، مما يزيد من حجمه بشكل كبير. نظرًا لأنه يمكن برمجة الذاكرة ذات الغالق العائم لمجموعة كبيرة من القيم ، فمن الأسهل ضبطها لتعويض انحرافات الإنتاج من جهاز إلى جهاز مقارنة بأجهزة النانو الأخرى. حاولت العديد من المجموعات البحثية التي درست الأجهزة العصبية دمج الأجهزة النانوية في تصميماتها ونتيجة لذلك بدأت في استخدام أجهزة الغالق العائمة.
وكيف نجمع كل هذه المكونات الشبيهة بالدماغ؟ في الدماغ البشري ، تتشابك الخلايا العصبية والمشابك. يجب على مطوري الرقائق العصبية أن يختاروا أيضًا نهجًا متكاملًا مع وضع جميع المكونات على شريحة واحدة. ولكن في العديد من المختبرات لن تجد هذا: لتسهيل العمل مع المشاريع البحثية ، توجد الوحدات الأساسية الفردية في أماكن مختلفة. يمكن وضع نقاط الاشتباك العصبي في صفيف خارج الشريحة. يمكن أن تمر الاتصالات عبر شريحة أخرى ، وهي مجموعة بوابة قابلة للبرمجة من قبل المستخدم (FPGA).
ولكن عند قياس أنظمة الأشكال العصبية ، تحتاج إلى التأكد من أننا لا ننسخ بنية أجهزة الكمبيوتر الحديثة التي تفقد قدرًا كبيرًا من الطاقة من خلال نقل البتات إلى المنطق والذاكرة والتخزين. اليوم ، يمكن للكمبيوتر بسهولة استهلاك طاقة أكبر بمقدار 10 أضعاف لنقل البيانات مقارنة بالحوسبة.
على العكس من ذلك ، فإن الدماغ يقلل من استهلاك الطاقة للاتصالات بسبب التوطين العالي للعمليات. يتم خلط عناصر ذاكرة الدماغ ، مثل طاقة المشبك ، مع مكونات إرسال الإشارة. وعادة ما تكون "أسلاك" الدماغ - التشعبات والمحاور التي ترسل الإشارات الواردة والنبضات الصادرة - قصيرة مقارنة بحجم الدماغ ، ولا تحتاج إلى الكثير من الطاقة للحفاظ على الإشارة. من علم التشريح ، نعلم أن أكثر من 90٪ من الخلايا العصبية تتصل بـ 1000 خلية مجاورة فقط.
سؤال كبير آخر لمبدعي الرقائق وأجهزة الكمبيوتر التي تشبه الدماغ هو الخوارزميات التي يجب أن تعمل عليها. حتى النظام الذي يشبه الدماغ قليلاً يمكن أن يعطي ميزة كبيرة على النظام الرقمي التقليدي. على سبيل المثال ، في عام 2004 ، استخدمت مجموعتي أجهزة البوابة العائمة لإجراء الضرب في معالجة الإشارات ، واستغرقت طاقة أقل 1000 مرة ومساحة أقل 100 مرة من النظام الرقمي. على مر السنين ، أثبت الباحثون بنجاح مناهج عصبية لأنواع أخرى من الحوسبة لمعالجة الإشارات.
لكن الدماغ لا يزال أكثر كفاءة 100000 مرة من هذه الأنظمة. هذا لأنه على الرغم من أن تقنياتنا العصبية الحالية تستفيد من فيزياء الترانزستورات الشبيهة بالخلايا العصبية ، فإنها لا تستخدم خوارزميات مثل تلك التي يستخدمها الدماغ لأداء وظيفته.
اليوم بدأنا للتو في اكتشاف هذه الخوارزميات الفيزيائية - العمليات التي يمكن أن تمكن الرقائق الشبيهة بالدماغ من العمل بكفاءة قريبة من الدماغ. قبل أربع سنوات ، استخدمت مجموعتي سمك السلور السيليكون والمشابك والمغصنات لتشغيل خوارزمية البحث عن الكلمات التي تتعرف على الكلمات في التسجيلات الصوتية. أظهرت هذه الخوارزمية تحسنًا بألف مرة في كفاءة الطاقة مقارنة بمعالجة الإشارات التناظرية. ونتيجة لذلك ، من خلال تقليل الجهد المطبق على الرقائق واستخدام الترانزستورات الأصغر ، يجب على الباحثين إنشاء رقائق قابلة للمقارنة في الأداء للدماغ في العديد من أنواع الحوسبة.
عندما بدأت البحث في التشكل العصبي قبل 30 عامًا ، اعتقد الجميع أن تطوير أنظمة مشابهة للدماغ سيوفر لنا فرصًا مذهلة. في الواقع ، تم بناء صناعات كاملة الآن حول الذكاء الاصطناعي والتعلم المتعمق ، وتعد هذه التطبيقات بتحويل أجهزتنا المحمولة ومؤسساتنا المالية وتفاعل الناس في الأماكن العامة بالكامل.
ومع ذلك ، فإن هذه التطبيقات تعتمد قليلاً جدًا على معرفتنا بوظيفة الدماغ. على مدى السنوات الثلاثين المقبلة ، سنكون قادرين بلا شك على رؤية كيفية استخدام هذه المعرفة بشكل متزايد. لدينا بالفعل العديد من كتل الأجهزة الأساسية اللازمة لتحويل علم الأعصاب إلى جهاز كمبيوتر. لكننا نحتاج إلى فهم أفضل لكيفية عمل هذه المعدات - وأي مخططات حسابية ستعطي أفضل النتائج.
اعتبر هذا دعوة للعمل. لقد حققنا الكثير باستخدام نموذج تقريبي جدًا للدماغ. لكن علم الأعصاب يمكن أن يقودنا إلى إنشاء أجهزة كمبيوتر أكثر تعقيدًا تشبه الدماغ. وماذا يمكن أن يكون أفضل من استخدام دماغنا لفهم كيفية صنع هذه الحواسيب الجديدة؟