تراشه‌ی مُقلد مغز با قابلیت خودکار یادگیری و اصلاح اشتباهات

به گزارش خبرگزاری آنا به نقل از IE، گروهی از محققان موسسه علوم و فناوری پیشرفته کره (KAIST) یک تراشه نورومورفیک نسل بعدی ارائه کرده‌اند که در واقع نوعی نیمه هادی فوق العاده کوچک است که اشتباهات را به طور مستقل یاد می‌گیرد و تصحیح می‌کند.

این تراشه اکنون برای تعبیه در دستگاه‌های مختلف آماده است؛ مانند دوربین‌های امنیتی هوشمند که فورا فعالیت‌های مشکوک را بدون تکیه بر سرور‌های ابری شناسایی کرده و دستگاه‌های پزشکی که داده‌های سلامت را بلادرنگ تجزیه و تحلیل می‌کنند.

حل چالش دستگاه‌های نورومورفیک

این تراشه محاسباتی به دلیل توانایی اش در یادگیری و تصحیح خطا‌های ناشی از ویژگی‌های نامطلوب که چالش دستگاه‌های نورومورفیک هستند، متمایز است. به عنوان مثال، هنگام پردازش تصاویر ویدئویی، می‌تواند به طور خودکار اشیاء متحرک را از پس زمینه جدا کند و عملکرد خود را در طول زمان بهبود بخشد.

این تراشه خودآموز با دستیابی به دقت قابل مقایسه با شبیه سازی‌های رایانه‌ای مطلوب در پردازش تصویر بلادرنگ توانایی‌های خود را نشان داده است. دستاورد اصلی این دانشمندان ایجاد سیستمی نه تنها قابل اعتماد بلکه کاربردی است و از توسعه اجزای منفرد شبیه به مغز پیشی می‌گیرد.

بخش اصلی این نوآوری نسل بعدی، دستگاه نیمه هادی به نام ممریستور است. ویژگی‌های مقاومت متغیر آن، نقش سیناپس‌ها در شبکه‌های عصبی را تقلید و ذخیره و محاسبات همزمان داده‌ها را امکان پذیر می‌کند عملیاتی که بسیار شبیه به عملکرد سلول‌های مغز ماست.

ممریستور با کنترل دقیق تغییرات مقاومت، سیستم کارآمدی می‌سازد که نیاز به جبران پیچیده را از طریق خودآموزی برطرف می‌کند. این مطالعه از آن روی اهمیت دارد که قابلیت تجاری یک سیستم نورومورفیک نسل بعدی را برای یادگیری و استنتاج بلادرنگ نشان می‌دهد.

سکو‌های برپایه ممریستور می‌توانند سیستم‌های محاسباتی لبه هوش مصنوعی فشرده و کم مصرف را به دلیل توانایی شان در انجام محاسبات موازی در حوزه آنالوگ فعال کنند. با این حال، سیستم‌های برپایه آرایه ممریستور در پیاده سازی الگوریتم‌های هوش مصنوعی بلادرنگ با یادگیری روی دستگاه، به دلیل مشکلات قابلیت اطمینان مانند عملکرد کم، یکنواختی ضعیف و مشکلات استقامتی با چالش‌هایی مواجه هستند.

اکنون، پژوهشگران کره‌ای قصد دارند با این فناوری نحوه ادغام هوش مصنوعی را در دستگاه‌های روزمره تغییر دهند به طوریکه هوش مصنوعی کار‌ها را به صورت محلی پردازش کند. این مطالعه نشان داد چنین دستاوردی اتکا به سرور‌های ابری راه دور را کاهش داده و دستگاه‌ها را سریع تر، ایمن‌تر و کارآمدتر می‌کند.

این محققان می‌گویند: ما از ممریستور‌های بین سطحی اکسید تیتانیوم با توزیع تدریجی اکسیژن استفاده می‌کنیم که دارای ویژگی‌های قابلیت اطمینان زیاد، خطی بودن بالا، خاصیت بدون شکل گیری و خود اصلاحی هستند. این سکو الگوریتم‌های هوش مصنوعی را در دامنه آنالوگ از طریق خود کالیبراسیون، بدون نیاز به جبران یا آموزش از قبل، اجرا می‌کند.

به گفته محققان کره‌ای این سیستم مانند یک فضای کاری هوشمند عمل می‌کند که در آن همه چیز به راحتی قابل دسترسی است و نیازی به رفت و برگشت بین میز‌ها و کمد‌های پرونده نیست. این سیستم نحوه پردازش اطلاعات توسط مغز را بازتاب می‌دهد، جایی که همه چیز به طور موثر در یک مکان واحد به کار گرفته می‌شود.

نتایج این تحقیقات در نشریه Nature Electronics منتشر شده است.