صفحه نخست

آموزش و دانشگاه

علم‌وفناوری

ارتباطات و فناوری اطلاعات

سلامت

پژوهش

علم +

سیاست

اقتصاد

فرهنگ‌ و‌ جامعه

ورزش

عکس

فیلم

استانها

بازار

اردبیل

آذربایجان شرقی

آذربایجان غربی

اصفهان

البرز

ایلام

بوشهر

تهران

چهارمحال و بختیاری

خراسان جنوبی

خراسان رضوی

خراسان شمالی

خوزستان

زنجان

سمنان

سیستان و بلوچستان

فارس

قزوین

قم

کردستان

کرمان

کرمانشاه

کهگیلویه و بویراحمد

گلستان

گیلان

لرستان

مازندران

مرکزی

هرمزگان

همدان

یزد

هومیانا

پخش زنده

دیده بان پیشرفت علم، فناوری و نوآوری
۱۱:۳۱ - ۲۶ فروردين ۱۳۹۶

ساخت سیناپس مصنوعی که خود به خود یاد می‌گیرد

ماشین‌هایی که عملکردی شبیه به مغز دارند و با قابلیت‌هایی شبیه به انسان می‌توانند مسائل را حل کنند، یکی از آرزوهای بزرگ انسان به شمار می‌روند اما اکنون با دستاورد جدید محقق محققان، احتمال دستیابی انسان به این امر بیشتر شده است. محققان فرانسوی ابزارمیکروسکوپیکی را ابداع کرده‌اند که از اتصالات میان نورون‌های مغزی تقلید می‌کند.
کد خبر : 171412

به گزارش گروه علم و فناوری خبرگزاری آنا به نقل از sciencealert، تحولات و پیشرفت‌ها در زمینه هوش مصنوعی کمک بزرگی به توسعه تکنولوژی‌هایی کرده است که نحوه عملکرد مغز انسان را تقلید می‌کنند. در دنیای فناوری اطلاعات، چنین سیستم‌های هوش مصنوعی را شبکه عصبی می‌نامند. این امر شامل الگوریتم‌هایی می‌شود که قابل آموزش، در میان چیزهای دیگر، هستند تا نحوه تشخیص گفتار و تصاویر توسط مغز را تقلید کند. با این حال اجرای یک شبکه عصبی مصنوعی کار و انرژی زیادی می‌طلبد.


حالا، دانشمندان مرکز تحقیقات علمی در تالس از دانشگاه بوردو و اوری موفق شدند یک سیناپس مصنوعی به نام «ممریستور» یا « memristor» را به طور مستقیم روی یک تراشه بسازند. این امر راه را برای سیستم‌های هوشمندی که به زمان و انرژی کم‌تری برای یادگیری نیاز دارند، هموار می‌کند و قادر به یادگیری مستقل است.


در مغز انسان، سیناپس رابط میان نورون‌ها است. هرچه سیناپس بیشتر تحریک شود، روند یادگیری پیشرفت بیشتری دارد.


ممریستور نحوه عملکرد مشابهی دارد. این وسیله از یک لایه نازک فروالکتریکی( که می‌تواند خود بخود قطبی شود) ساخته شده که بین دو الکترود قرار می‌گیرد. مقاومت آنها را می‌توان با استفاده از پالس‌های ولتاژی تنظیم کرد، درست مانند نورون‌های بیولوژیکی. هنگامی که مقاومت زیاد باشد، اتصال سیناپسی قوی خواهد شد و هنگامی که مقاومت کم باشد، اتصال سیناپسی ضعیف خواهد شد. ظرفیت ممریستور برای یادگیری مبتنی بر این مقاومت تنظیم پذیر است.



در طی چند سال اخیر، سیستم‌های هوشمند به طور قابل توجهی پیشرفت کرده‌اند. در حال حاضر شبکه‌های عصبی ساخته شده با الگوریتم یادگیری قادر به اجرای وظایفی هستند که تا پیش از این سیستم‌های مصنوعی توانایی انجامش را نداشتند. برای مثال، سیستم‌های هوشمند حالا می‌توانند آهنگسازی کنند، برنامه‌های کامیپوتری بازی کنند و رقیب‌های انسانی را از رده خارج کنند یا حتی مالیاتمان را حساب کنند. برخی از آنها حتی قادر به تشخیص رفتارهای خودکشی‌گرایانه هستند؛ بعضی دیگر توانایی تمایز دادن بین اعمال قانونی و غیرقانونی را دارد.


تمامی اینها به لطف توانایی یادگیری هوش مصنوعی ممکن شده است؛ تنها محدودیت آن میزان زمان و تلاش لازم برای فراهم کردن اطلاعات مصرفی است که به عنوان ریشه آن عمل می‌کند. به کمک ممریستور، فرآیند یادگیری تا حدود زیادی پیشرفت خواهد کرد. تحقیقات بر ممریستور، به ویژه در بررسی راه‌هایی برای بهینه سازی عملکردهای آن، هنوز ادامه دارد. برای شروع، محققان موفق به ساخت یک نمونه فیزیکی از آن شدند که در پیش بینی عملکردهای این وسیله مفید واقع خواهد شد.


به زودی درمی‌یابیم که توانایی یادگیری هوش مصنوعی به پای توانایی مغز انسان‌ها می‌رسد یا حتی بهتر از آن عمل خواهد کرد.


مترجم: هانا حیدری


انتهای پیام/

ارسال نظر