به گزارش ایسنا و به نقل از تک‌اکسپلوریست،  زمانی که مغز انسان چیزی را می‌آموزد خود را با آن سازگار می‌کند اما وقتی هوش مصنوعی مورد جدیدی یاد می‌گیرد تمایل دارد آنچه که به تازگی آموخته را فراموش کند. شرکت‌ها از داده‌های روزافزون برای بهبود تشخیص تصاویر، یادگیری زبان‌ها و انجام فعالیت‌های پیچیده دیگر توسط هوش مصنوعی استفاده می‌کنند و اکنون یافته‌های منتشر شده در مجله‌ی "ساینس"(Science) روشی را نشان می‌دهد که بوسیله آن تراشه‌های رایانه‌ای می‌توانند به طور پویا خود را برای دریافت داده‌های جدید مشابه مغز بازنویسی کنند و در گذر زمان به یادگیری خود ادامه دهند.

"شریرام راماناتان"(Shriram Ramanathan) استاد دانشکده مهندسی مواد دانشگاه پردو که متخصص در کشف چگونگی تقلید مواد از مغز برای بهبود محاسبات است می‌گوید: مغز موجودات زنده در تمام طول عمر قادر به یادگیری است. ما اکنون یک پلتفرم مصنوعی ایجاد کرده‌ایم که به ماشین‌ها کمک می‌کند در تمام طول عمر خود به یادگیری بپردازند.

برخلاف مغز که پیوسته ارتباطات جدیدی میان نورونها ایجاد می‌کند تا امکان یادگیری فراهم شود، مدارهای روی یک تراشه رایانه‌ای تغییر نمی‌کنند. مداری که یک ماشین از آن استفاده می‌کند از زمان ساخت تا سال‌ها پس از فعالیت ثابت می‌ماند. این موضوع برای قابل حمل کردن هوش مصنوعی برای مثال در خودروهای خودران و ربات‌ها در فضا که باید به تنهایی تصمیم‌گیری کنند مشکل‌ساز است. اگر بتوان هوش مصنوعی را مستقیما در سخت‌افزار و نه تنها در نرم‌افزار تعبیه کرد، ماشین‌ها می‌توانند کارآمدتر عمل کنند.

در این مطالعه راماناتان و تیمش یک قطعه سخت‌افزاری جدید ساختند که در صورت نیاز از طریق پالس‌های الکتریکی بازنویسی می‌شود. راماناتان معتقد است که این سازگاری به دستگاه اجازه می‌دهد تا تمام عملکردهای لازم برای ساخت یک رایانه الهام گرفته از مغز را به انجام برساند.

او می‌گوید: اگر بخواهیم رایانه یا ماشینی الهام گرفته از مغز بسازیم باید به توانایی برنامه‌ریزی مجدد و تغییر مداوم تراشه دست یابیم.

این سخت افزار یک دستگاه کوچک مستطیلی شکل است که از ماده‌ای به نام "نیکلات پروسکایت" ساخته شده و به هیدروژن حساس است. اعمال پالس‌های الکتریکی در ولتاژهای مختلف به دستگاه این امکان را می‌دهد تا غلظت یون‌های هیدروژن را در عرض چند نانوثانیه تغییر دهد و حالتی ایجاد کند که محققان معتقدند می‌تواند شبیه به عملکردهای مربوطه در مغز باشد.

برای مثال زمانی که هیدروژن بیشتری در مرکز وجود داشته باشد، دستگاه مانند یک نورون یا یک سلول عصبی عمل می‌کند. کمبود هیدروژن نیز دستگاه را به یک سیناپس که اتصال میان نورون‌ها است تبدیل می‌کند. مغز از سیناپس‌ها برای ذخیره اطلاعات در مدارهای عصبی پیچیده استفاده می‌کند.

از طریق شبیه‌سازی داده‌های تجربی، همکاران تیم پردو در دانشگاه سانتا کلارا و دانشگاه ایالتی پورتلند نشان دادند که فیزیک داخلی این دستگاه، ساختاری پویا برای یک شبکه عصبی مصنوعی ایجاد می‌کند.

محققان اکنون در حال کار برای نمایش این مفاهیم روی تراشه‌های آزمایشی در مقیاس بزرگ‌تر هستند تا یک رایانه الهام گرفته از مغز ایجاد کنند.

انتهای پیام