Beyin Hüceyrələri Kimi Davranan Süni Neyronlar: Süni İntellektə Yeni Səviyyə

USC Viterbi Mühəndislik Məktəbinin və Qabaqcıl Hesablama Məktəbinin alimləri real beyin hüceyrələrinin mürəkkəb elektrokimyəvi davranışını tamamilə təkrarlayan süni neyronlar yaratmağa nail olublar. Bu kəşf “Nature Electronics” jurnalında dərc edilib və insan beyni əsasında qurulmuş avadanlıq dizayn edən neyromorf hesablama sahəsində böyük bir mərhələ hesab olunur. Bu irəliləyiş çiplərin ölçüsünü qat-qat kiçiltmək, enerji sərfiyyatını kəskin azaltmaq və süni intellekti süni ümumi intellektə (AGI) nail olmağa daha da yaxınlaşdırmaq potensialına malikdir.

Əvvəlki neyromorf çiplərdən və ya rəqəmsal prosessorlardan fərqli olaraq, bu yeni neyronlar beyin fəaliyyətini yalnız riyazi modellər vasitəsilə simulyasiya etmir. Əksinə, onlar real neyronların işləmə tərzini fiziki şəkildə təkrarlayırlar. Təbii beyin fəaliyyətinin kimyəvi siqnallarla başladığı kimi, bu süni versiyalar da hesablama proseslərini işə salmaq üçün konkret kimyəvi qarşılıqlı təsirlərdən istifadə edirlər. Bu, onların sadəcə simvolik təmsil deyil, bioloji funksiyanın həqiqi, maddi təkrarları olması deməkdir. USC Kompüter və Elektrik Mühəndisliyi Departamentinin professoru Coşua Yanqın rəhbərlik etdiyi tədqiqat, on ildən çox əvvəl süni sinapslar üzrə apardığı əvvəlki işlərə əsaslanır. Komandanın yeni yanaşması "diffuziv memristor" adlanan bir cihaza mərkəzləşir. Ənənəvi silisium əsaslı sistemlər hesablamalar aparmaq üçün elektronlara güvənir, lakin Yanqın memristorları bioloji neyronların informasiyanı necə ötürdüyünə daha çox bənzəyən bir proses yaradaraq, atomların hərəkətindən istifadə edir. Bu yanaşma informasiyanı beynin etdiyi kimi emal edən kiçik, daha səmərəli çiplərə yol aça bilər.

Beyində sinir hüceyrələri arasındakı əlaqə həm elektrik, həm də kimyəvi siqnallarla təmin edilir. Elektrik impulsu sinaps adlanan birləşmə nöqtəsinə çatanda, məlumatı növbəti neyrona ötürmək üçün kimyəvi siqnala çevrilir və sonra yenidən elektrik impulsuna çevrilir. Yanq və həmkarları bu mürəkkəb prosesi öz cihazlarında dəqiqliklə təkrarlayıblar. Onların dizaynının əsas üstünlüyü, hər bir süni neyronun tək bir tranzistorun yerləşdiyi sahəyə sığmasıdır; halbuki köhnə dizaynlar eyni funksiyanı görmək üçün onlarla, hətta yüzlərlə tranzistor tələb edirdi. Bioloji neyronlarda yüklü hissəciklər, yəni ionlar (kalium, natrium və kalsium kimi) sinir sistemində fəaliyyətə imkan verən elektrik impulsları yaratmağa kömək edir. Yeni araşdırmada Yanq - həmçinin USC Neyromorf Hesablama Mərkəzinin direktoru - təbii beyin funksiyalarını, məsələn, öyrənmə, hərəkət və planlaşdırma kimi əsas prosesləri təqlid edən elektrik impulsları yaratmaq üçün oksid materiallarına yerləşdirilmiş gümüş ionlarından istifadə edib. Yanq izah edir ki, "Gümüşün asanlıqla diffuziya etməsi bizə biosistemi təqlid etmək üçün lazım olan dinamikanı verir, beləliklə, çox sadə bir quruluşla neyronların funksiyasına nail ola bilərik."

Yanq müasir hesablama sistemlərindəki əsas problemin güc çatışmazlığı deyil, səmərəsizlik olduğunu vurğulayır. O bildirir ki, "Bizim çiplərimiz və ya kompüterlərimiz etdikləri iş üçün kifayət qədər güclü deyil. Əsas problem onların kifayət qədər səmərəli olmamasıdır. Onlar həddindən artıq çox enerji istifadə edirlər." Bu, xüsusilə indiki böyük miqyaslı süni intellekt sistemlərinin böyük məlumat yığınlarını emal etmək üçün nə qədər enerji sərf etdiyini nəzərə alsaq, çox vacib bir məsələdir. Əgər təmiz sürət axtarılırsa, müasir hesablamanı idarə edən elektronlar sürətli əməliyyatlar üçün ən yaxşısıdır. Lakin Yanqın fikrincə, "İonlar beynin prinsiplərini təcəssüm etdirmək üçün elektronlardan daha yaxşı vasitədir." Elektronlar yüngül və dəyişkən olduğundan, onlarla hesablama, beynin fəaliyyətindən fərqli olaraq, aparat deyil, proqram təminatı əsaslı öyrənməyə imkan verir. Beyin isə ionları membranlar boyunca hərəkət etdirərək öyrənir, bu da birbaşa aparatda enerji səmərəli və adaptiv öyrənməyə nail olur. Məsələn, kiçik bir uşaq hər rəqəmin yalnız bir neçə nümunəsini görərək əl yazısı ilə yazılmış rəqəmləri tanıya bilər, halbuki kompüter eyni nəticəyə nail olmaq üçün adətən minlərlə nümunəyə ehtiyac duyur. İnsan beyni bu heyrətamiz öyrənməni cəmi təxminən 20 vatt güc sərf edərək bacarır, müasir superkompüterlər isə meqavatlarda enerji tələb edir.

Yanq və komandası bu texnologiyanı təbii zəkanı təkrarlamaq yolunda böyük bir addım kimi görür. Lakin o, təcrübələrdə istifadə olunan gümüşün hələlik standart yarımkeçirici istehsal prosesləri ilə uyğun olmadığını qeyd edir. Gələcək işlər oxşar effektlərə nail ola bilən başqa ion materiallarının axtarışına yönəldiləcək. Yeni diffuziv memristorlar həm enerji, həm də ölçü baxımından səmərəlidir. Yanq vurğulayır ki, "Biz hər neyron üçün bir tranzistorun yerləşdiyi sahədən istifadə edirik. Biz çipin ölçüsünü qat-qat azaltmağa, enerji sərfiyyatını qat-qat azaltmağa kömək edən təməl blokları dizayn edirik ki, gələcəkdə böyük enerji sərf etmədən süni intellekt fəaliyyətini davam etdirmək mümkün olsun." Artıq bacarıqlı və yığcam təməl bloklar - süni sinapslar və neyronlar nümayiş etdirildiyindən, növbəti addım onların böyük sayda inteqrasiya edilməsi və beynin səmərəliliyini və imkanlarını nə dərəcədə təkrarlaya biləcəyini yoxlamaqdır. Yanqın sözlərinə görə, "Daha da həyəcanverici olan, belə beynə sadiq sistemlərin beynin özünün necə işlədiyinə dair yeni məlumatları ortaya çıxara bilmək ehtimalıdır."