آي بي ام مغز مصنوعي از 48 تراشه ساخت

تحت رهبری درمندرا مودها، رهبر پروژه، ما از نزدیک با کل پروژه آشنا شدیم. فهمیده می‌شود که حجم آن مانند یک کابینت دارویی حمام است که با پانل‌های پلاستیکی شفاف پوشیده شده است و می‌توان تراشه‌ها، بردهای مدار و نشانگرهای رنگارنگ داخل آن را به وضوح دید. این شبیه چیزی از یک فیلم علمی تخیلی دهه ۷۰ است، اما مودها می‌گوید: «شما به یک جوندگان کوچک نگاه می‌کنید.»

او در مورد مغز یک جوندگان کوچک صحبت می‌کند، یا حداقل این انباشته از تراشه‌ها می‌تواند در آن مغز جا شود. این تراشه‌ها به عنوان نورون‌ها، بلوک‌های ساختمانی اساسی مغز عمل می‌کنند. مودها می‌گوید این سیستم می‌تواند شبیه‌سازی کند ۴۸ میلیون سلول عصبی، تقریباً برابر با تعداد سلول‌های عصبی در مغز یک جوندگان کوچک.

در آی‌بی‌ام، مودها گروه محاسبات شناختی را اداره می‌کرد که «تراشه عصبی» را اختراع کرد. وقتی او و تیمش برای اولین بار اختراع خود را رونمایی کردند، از آن برای یک دوره آزمایشی سه هفته‌ای استفاده کردند و از دانشگاهیان و محققان دولتی در آزمایشگاه تحقیق و توسعه آی‌بی‌ام در سیلیکون ولی حمایت کردند. پس از اتصال رایانه‌های خود به مغز موش دیجیتال، محققان ساختار آن را بررسی کردند و شروع به نوشتن برنامه‌هایی برای تراشه TrueNorth کردند.

ماه گذشته، برخی از محققان قبلاً این فرد را در کلرادو دیده بودند، بنابراین آن را برنامه‌ریزی کرده بودند تا عکس‌ها و گفتار را تشخیص دهد و مقداری زبان طبیعی را درک کند. این تراشه الگوریتم‌های «یادگیری عمیق» را اجرا می‌کند که اکنون بر خدمات هوش مصنوعی اینترنت تسلط دارند و تشخیص چهره را برای فیس‌بوک و ترجمه زبان بلادرنگ را برای اسکایپ مایکروسافت فراهم می‌کنند. با این حال، آی‌بی‌ام در اینجا یک شروع دارد زیرا تحقیقات آن می‌تواند نیاز به فضا و منابع تغذیه را کاهش دهد. در آینده، ممکن است بتوانیم این هوش مصنوعی را در تلفن‌های همراه و سایر دستگاه‌های کوچک، مانند سمعک‌ها و ساعت‌ها قرار دهیم.

«از ساختار سیناپسی چه چیزی به دست می‌آوریم؟ ما می‌توانیم تصاویر را با مصرف انرژی بسیار کم طبقه‌بندی کنیم و می‌توانیم دائماً مشکلات جدید را در محیط‌های جدید حل کنیم.» برایان ون اسن، دانشمند کامپیوتر در آزمایشگاه ملی لارنس لیورمور که مسئول اعمال الگوریتم‌های یادگیری عمیق در امنیت ملی است.

TrueNorth جدیدترین فناوری است که یادگیری عمیق و طیف وسیعی از خدمات هوش مصنوعی دیگر را در آینده اجرا خواهد کرد. ماشین‌های امروزی که الگوریتم‌های گوگل، فیس‌بوک و مایکروسافت را اجرا می‌کنند، هنوز به پردازنده‌های گرافیکی جداگانه نیاز دارند، اما همه آنها به سمت FPgas (تراشه‌هایی که می‌توانند برای کارهای خاص برنامه‌ریزی شوند) حرکت می‌کنند. پیتر دیهل (دکترا در گروه محاسبات کورتکس در دانشگاه پلی‌تکنیک زوریخ) معتقد است TrueNorth به دلیل مصرف انرژی کم، نسبت به تراشه‌های گرافیکی مستقل و FPgas برتری دارد.

جیسون مارس، استاد علوم کامپیوتر در دانشگاه میشیگان، می‌گوید تفاوت اصلی این است که TrueNorth به طور یکپارچه با الگوریتم‌های یادگیری عمیق کار می‌کند. هر دو شبکه‌های عصبی را در عمق شبیه‌سازی می‌کنند و نورون‌ها و سیناپس‌ها را «در مغز» تولید می‌کنند. «این تراشه می‌تواند دستورات شبکه عصبی را به طور کارآمد اجرا کند.» او در دوره آزمایشی شرکت نکرد، اما پیشرفت تراشه را از نزدیک دنبال کرده است.

با این وجود، TrueNorth هنوز به طور کامل با الگوریتم‌های یادگیری عمیق همگام نشده است. با این حال، آی‌بی‌ام تصمیم گرفته است محققان خارج از شرکت را در بهبود تراشه مشارکت دهد، زیرا هنوز تا بازار واقعی فاصله دارد. برای مودها، این نیز یک فرآیند ضروری بود، همانطور که او گفت: «ما باید یک پایه محکم برای یک تحول بزرگ ایجاد می‌کردیم.»

پیتر دیهل اخیراً به چین سفر کرد، اما به دلایلی که می‌دانید، تلفنش با گوگل کار نمی‌کرد و او ناگهان هوش مصنوعی را به شکل اصلی خود بازگرداند. از آنجایی که بیشتر محاسبات ابری اکنون به سرورهای گوگل وابسته است، بنابراین بدون شبکه، همه چیز بی‌فایده است.

یادگیری عمیق به مقدار زیادی قدرت پردازش نیاز دارد که معمولاً توسط مراکز داده غول‌پیکر ارائه می‌شود و تلفن‌های ما معمولاً از طریق اینترنت به آنها متصل می‌شوند. از سوی دیگر، TrueNorth می‌تواند حداقل مقداری از قدرت پردازش خود را به تلفن یا دستگاه دیگر شما منتقل کند که می‌تواند فرکانس استفاده از هوش مصنوعی را تا حد زیادی افزایش دهد.

اما برای درک این موضوع، ابتدا باید بدانید که یادگیری عمیق چگونه کار می‌کند. این در دو مرحله کار می‌کند. ابتدا، شرکت‌هایی مانند گوگل و فیس‌بوک باید شبکه‌های عصبی خود را برای انجام کارهای خاص بسازند. اگر آنها می‌خواهند توانایی تشخیص خودکار عکس‌های گربه را داشته باشند، باید به شبکه عصبی تعدادی عکس گربه نشان دهند. سپس، پس از آموزش الگو، یک شبکه عصبی دیگر باید این کار را انجام دهد. وقتی عکسی را بیرون می‌آورید، سیستم باید تعیین کند که آیا گربه‌ای در آن وجود دارد یا خیر، و TrueNorth وجود دارد تا مرحله دوم را کارآمدتر کند.

هنگامی که شبکه عصبی را آموزش دادید، تراشه می‌تواند به شما کمک کند تا از مرکز داده غول‌پیکر عبور کنید و مستقیماً به مرحله دوم بروید. و از آنجایی که تراشه TrueNorth بسیار کوچک و کم مصرف است، می‌تواند در دستگاه‌های دستی قرار گیرد. این باعث افزایش راندمان کلی می‌شود زیرا دیگر نیازی به دانلود نتایج از مرکز داده از طریق شبکه ندارید. اگر بتوان آن را رایج کرد، می‌تواند فشار بر مراکز داده را تا حد زیادی کاهش دهد. «این آینده صنعت است، جایی که دستگاه‌ها می‌توانند کارهای پیچیده را به طور مستقل انجام دهند.» «مارس گفت.

گوگل اخیراً در تلاش است تا شبکه‌های عصبی را به تلفن‌های همراه بیاورد، اما دیهل فکر می‌کند TrueNorth از رقبای خود جلوتر است، زیرا با یادگیری عمیق همگام‌تر است. هر تراشه می‌تواند میلیون‌ها نورون را شبیه‌سازی کند و این نورون‌ها می‌توانند از طریق «سیناپس‌ها در مغز» با یکدیگر ارتباط برقرار کنند.

این چیزی است که TrueNorth را از محصولات مشابه موجود در بازار متمایز می‌کند، حتی در مقایسه با پردازنده‌های گرافیکی و FPgas دارای مزایای کافی است. تراشه‌های TrueNorth می‌توانند «تکانه‌های عصبی» را تشکیل دهند، شبیه به تکانه‌های الکتریکی در مغز. تکانه‌های عصبی می‌توانند تغییری در لحن صدای کسی یا تغییری در رنگ یک تصویر نشان دهند. رودریگو آلوارز-ایزاکا، یکی از طراحان اصلی تراشه، می‌گوید: «می‌توانید آن را به عنوان پیام‌های کوچک بین نورون‌ها در نظر بگیرید.»

اگرچه ۵.۴ میلیارد ترانزیستور روی تراشه وجود دارد، اما مصرف برق آن تنها ۷۰ میلی‌وات است. پردازنده‌های استاندارد اینتل چطور؟ این ۱.۲ میلیارد ترانزیستور دارد، اما مصرف برق آن به ۳۵ تا ۱۴۰ وات می‌رسد. حتی تراشه‌های ARM که معمولاً در گوشی‌های هوشمند استفاده می‌شوند، چندین برابر بیشتر از تراشه‌های TrueNorth برق مصرف می‌کنند.

البته، برای اینکه تراشه واقعاً کار کند، به نرم‌افزار جدیدی نیاز دارد که دقیقاً همان چیزی است که دیهل و سایر توسعه‌دهندگان در طول دوره آزمایشی در تلاش برای انجام آن بوده‌اند. به عبارت دیگر، توسعه‌دهندگان در حال تبدیل کد موجود به زبانی هستند که تراشه آن را تشخیص می‌دهد و به آن تغذیه می‌کند، اما آنها همچنین در حال نوشتن کد بومی برای TrueNorth هستند.

مانند سایر توسعه‌دهندگان، مودها بر بحث در مورد TrueNorth در زمینه زیست‌شناسی، مانند نورون‌ها، آکسون‌ها، سیناپس‌ها، تکانه‌های عصبی و غیره تمرکز دارد. این تراشه بدون شک به نوعی از سیستم عصبی انسان تقلید می‌کند، اما هنوز محدودیت‌هایی دارد. کریس نیکلسون، هم‌بنیانگذار شرکتی به نام Skymind، می‌گوید: «این نوع بحث‌ها اغلب بسیار احتیاط‌آمیز هستند. به هر حال، سیلیکون چیزی نیست که مغز انسان از آن ساخته شده است.»

مودها این ادعاها را تأیید می‌کند. وقتی او این پروژه را در سال ۲۰۰۸ با سرمایه‌گذاری ۵۳.۵ میلیون دلاری از دارپا (شاخه تحقیقاتی وزارت دفاع) آغاز کرد، هدف این بود که یک تراشه کاملاً جدید از مواد کاملاً متفاوت بسازد و مغز انسان را شبیه‌سازی کند. اما او می‌داند که این اتفاق به سرعت رخ نخواهد داد و «ما نمی‌توانیم واقعیت را در راه دنبال کردن رویاهایمان نادیده بگیریم»، او گفت.

در سال ۲۰۱۰، او به دلیل آنفولانزای خوکی زمین‌گیر شد، که در این مدت متوجه شد که بهترین راه برای شکستن گلوگاه، شروع با ساختار تراشه و دستیابی به شبیه‌سازی مغز است. او گفت: «شما برای تقلید از فیزیک، شیمی و زیست‌شناسی اساسی برای بهبود قدرت محاسباتی به سلول‌های عصبی نیاز ندارید. ما باید به اندازه کافی انعطاف‌پذیر باشیم تا بیشتر و بیشتر شبیه مغز شویم.»

این تراشه TrueNorth است. این یک مغز دیجیتال نیست، اما یک گام مهم در این مسیر است و با دوره آزمایشی آی‌بی‌ام، این طرح در مسیر درستی قرار دارد. کل دستگاه در واقع از ۴۸ دستگاه جداگانه تشکیل شده است که هر کدام پردازنده TrueNorth خود را دارند. هفته آینده، با پایان دوره آزمایشی، مودها و تیمش دستگاه را برای محققان تجزیه خواهند کرد تا برای مطالعات بیشتر به خانه ببرند. انسان‌ها از فناوری برای تغییر جامعه استفاده می‌کنند و این محققان ستون فقرات تلاش‌های ما هستند.