تراشه ای که خودش اشتباهات را متوجه می شود و تصحیح می کند
به گزارش خشکشوئی آنلاین، یک تراشه الهام گرفته از مغز به صورت مستقل اشتباهات را متوجه می شود و تصحیح می کند. این تراشه که توسط دانشمندان کره ای ساخته شده است، با یادگیری و اصلاح خطاها بر چالش موجود در دستگاههای نورومورفیک موجود غلبه می کند.
به گزارش خشکشوئی آنلاین به نقل از ایسنا، گروهی از محققان مؤسسه علوم و فناوری پیشرفته کره(KAIST) در کره جنوبی یک تراشه یکپارچه مبتنی بر ممریستور(مقاومت حافظه دار) ساخته اند که روش پردازش اطلاعات در مغز را تقلید می کند.
این گروه به رهبری پروفسورها سینهیون چوی(Shinhyun Choi) و یانگ گیو یون(Young-Gyu Yoon) یک تراشه نورومورفیک نسل جدید که یک نیمه رسانای فوق العاده کوچک است که اشتباهات را به صورت مستقل یاد می گیرد و تصحیح می کند، ساخته اند.
این تراشه حالا برای استقرار در دستگاههای مختلف مانند دوربین های امنیتی هوشمند که فوراً فعالیتهای مشکوک را بدون تکیه بر سرورهای ابری شناسایی می کنند و دستگاههای پزشکی که داده های سلامت را در لحظه تحلیل و بررسی می کنند، آماده است.
حل چالش ها در دستگاههای نورومورفیک
مهندسی نورومورفیک (neuromorphic) یا به اختصار نورومورفیک که «محاسبات عصبی» هم نامیده می شود، مفهومی است که در اواخر دهه ۱۹۸۰ توسط کارور مید (Carver Mead) توسعه یافته و به مفهوم استفاده از سیستم های مجتمع سازی در مقیاس بسیار بزرگ (VLSI) حاوی مدارهای آنالوگ الکترونیکی، برای تقلید (شبیه سازی) معماری عصبی و بیولوژیکی موجود در سیستم عصبی است.
هم اکنون اصطلاح نورومورفیک برای توصیف سیستم های آنالوگ، دیجیتال، سیستم های مختلط آنالوگ / دیجیتال و نرم افزارهایی که سیستم های عصبی را مدل سازی می کنند، به کار می رود. اجرای محاسبات عصبی در سطح سخت افزار را میتوان با ممریستورها و ترانزیستورها تحقق بخشید.
جنبه اصلی مهندسی نورومورفیک درک چگونگی مورفولوژی نورون های ویژه، مدارها، برنامه ها و معماری های همه‌جانبه است که بر نحوه عرضه اطلاعات و بر استقامت در مقابل صدمه ها تاثیر می گذارد و یادگیری و توسعه و سازگاری با تغییرات محلی (انعطاف پذیری) را ترکیب می کند و تغییر تکاملی را آسان می کند.
حالا این تراشه جدید محاسباتی به علت توانایی در یادگیری و تصحیح خطاهای ناشی از خصوصیت های غیر ایده آل که چالشی در دستگاههای نورومورفیک موجود است، متمایز است. بعنوان مثال، هنگام پردازش ویدیوها می تواند به صورت خودکار اجسام متحرک را از پس زمینه جدا کند و عملکرد خویش را با گذشت زمان بهبود بخشد.
این تراشه خودآموز، توانایی های خویش را با دستیابی به دقت قابل مقایسه با شبیه سازی های کامپیوتری ایده آل در پردازش تصویر لحظه ای نشان داده است. موفقیت کلیدی تیم تحقیقاتی در ایجاد سیستمی نه تنها قابل اعتماد بلکه کاربردی است و از توسعه اجزای فردی شبیه به مغز پیشی می گیرد.
محور اصلی این نوآوری یک دستگاه نیمه رسانای نسل جدید به نام ممریستور است. خصوصیت های مقاومت متغیر آن نقش سیناپس ها در شبکه های عصبی را تقلید می کند و ذخیره و محاسبات همزمان داده ها را امکانپذیر می کند که بسیار شبیه به عملکرد سلول های مغز ماست.
ممریستور دقیقا تغییرات مقاومت را کنترل می کند و یک سیستم کارآمد بوجود می آورد که احتیاج به جبران پیچیده را از راه خودآموزی رفع می کند.
این مطالعه از این جهت مهم می باشد که پتانسیل تجاری یک سیستم نورومورفیک نسل جدید را برای یادگیری و استنتاج در لحظه نشان داده است.
تسریع وظایف پردازش هوش مصنوعی به شکل درجا برای بهبود سرعت
پلت فرم های مبتنی بر ممریستور می توانند سیستم های محاسباتی واقع در لبه حوزه هوش مصنوعی فشرده و کم مصرف را به علت توانایی آنها در انجام محاسبات موازی در حوزه آنالوگ فعال کنند. با این وجود، سیستم های مبتنی بر آرایه ممریستور در پیاده سازی الگوریتم های هوش مصنوعی در لحظه با یادگیری روی دستگاه به علت مشکلات قابلیت اطمینان مانند عملکرد ضعیف، یکنواختی ضعیف و مشکلات استقامتی با چالش هایی مواجهند.
حالا این فناوری می خواهد نحوه ادغام هوش مصنوعی را در دستگاههای روزمره تغییر دهد و وظایف هوش مصنوعی را به شکل درجا پردازش کند.
این مطالعه اشاره دارد که این امر اتکا به سرورهای ابری راه دور را می کاهد و دستگاه ها را سریع تر، ایمن تر و کارآمدتر می کند.
دانشمندان در مقاله خود آورده اند: ما از ممریستورهای مبتنی بر اکسید تیتانیوم با توزیع تدریجی اکسیژن استفاده می نماییم که قابلیت اطمینان بالا، خطی بودن بالا، خصوصیت های بدون انباشت و خود اصلاحی را نشان می دهند. این پلت فرم می تواند الگوریتم های هوش مصنوعی را در حوزه آنالوگ از راه «خود کالیبراسیون»، بدون احتیاج به جبران یا پیش آموزش اجرا نماید.
به قول محققانی که توسعه این فناوری را رهبری کردند، این سیستم مانند یک فضای کاری هوشمند عمل می کند که در آن همه چیز به سادگی قابل دسترس است.
به قول محققان، این سیستم همینطور نحوه پردازش اطلاعات توسط مغز را بازتاب می دهد، جایی که همه چیز به صورت مؤثر در یک مکان واحد به کار گرفته می شود.
این مطالعه در مجله Nature Electronics انتشار یافته است.
این مطلب را می پسندید؟
(0)
(0)
تازه ترین مطالب مرتبط
نظرات بینندگان در مورد این مطلب