Αλλά αυτό το παιχνίδι ήταν διαφορετικό. Μετά από τρεις ισοπαλίες και μια νίκη για τον καθένα, ο Deep Blue νίκησε τον Kasparov στο έκτο παιχνίδι. Η κοινότητα της Τεχνητής Νοημοσύνης ανήγγειλε μια νίκη: τελικά, ο άνθρωπος πρωταθλητής ηττήθηκε από τον ευφυΐα μιας μηχανής.
Αλλά η αναγγελία της νίκης ήταν πρώιμη. Αν και ο Deep Blue νίκησε τον Kasparov, δεν ήταν ευφυής, αλλά απλά υπολόγιζε συνδυασμούς κινήσεων του σκακιού με πολύ αποτελεσματικό τρόπο, κάτι που έκανε την στρατηγική του ακαταμάχητη.
Η IBM απέσυρε το πρόγραμμα Deep Blue μετά από το τελευταίο παιχνίδι με τον Kasparov και η υπόσχεση για μια μηχανή γενικής χρήσεως που θα είχε ανθρωπόμορφη νοημοσύνη θα έπρεπε να περιμένει κι άλλο για να πραγματοποιηθεί.
Ο λόγος είναι απλός. Η κατασκευή νοημοσύνης σε πυρίτιο, συγκρίσιμης με αυτή του ανθρώπινου εγκεφάλου, απαιτεί βαθιά κατανόηση του πώς οι αλληλεπιδράσεις δισεκατομμυρίων νευρώνων και συνάψεων δίνουν γένεση στην ανθρώπινη νοημοσύνη, όπως επίσης απαιτεί και τη δυνατότητα να αντιγραφούν αυτές οι αλληλεπιδράσεις σε ένα πολύπλοκο, ισχυρό και ακριβό υπολογιστικό υπόστρωμα.
Ερευνητές στην επιστήμη των υπολογιστών και στη νευροεπιστήμη ασχολούνται σταθερά για να αποκαλύψουν τις σημαντικότερες αρχές σχεδιασμού που υπόκεινται της ευφυούς συμπεριφοράς και εφεύρουν αποφασιστικής σημασίας τεχνολογίες για να κατασκευάσουν μηχανές που θα μιμούνται τη συμπεριφορά αυτή.
Με μια πρόσφατη ανακάλυψη στα εργαστήρια της Hewlett-Packard το ερευνητικό αυτό πεδίο προορίζεται για ένα μεγάλο άλμα προς τα εμπρός καθώς θα καταστεί δυνατή η κατασκευή μεγάλων, παρόμοιων με τον εγκέφαλο συστημάτων, που θα τρέχουν σε φθηνά και ευρέως διαθέσιμα υποστρώματα.
Μέχρι προσφάτως οι υπερ-υπολογιστές προορίζονταν να είναι μηχανές που θα προσομοίωναν τη νοημοσύνη. Το 2005 ο Henry Markram ανακοίνωσε ότι η ομάδα του, που αποτελούνταν από νευροεπιστήμονες και επιστήμονες υπολογιστών στο Ecole Polytechnique Fererale de Lausanne στην Ελβετία, θα χρησιμοποιούσαν έναν υπερ-υπολογιστή της IBM για να προσομοιώσουν ένα τετραγωνικό εκατοστό του εγκεφαλικού φλοιού.
Το Νοέμβριο του 2009 ο Dharmendra Modha της IBM ισχυρίστηκε ότι η ομάδα του χρησιμοποίησε μια παρόμοια μηχανή για να προσομοιώσει έναν 'μεγέθους γάτας εγκέφαλο'. Παρόλο που αυτοί οι υπερ-υπολογιστές είναι αρκετά γρήγοροι για να προσομοιώσουν με ακρίβεια όψεις μεγάλων νευρωνικών συστημάτων, το αποτέλεσμα δε γίνεται αυτόματα ευφυές.
Γι' αυτό, θα πρέπει να κατασκευαστούν αυτόνομα συστήματα, ικανά να μαθαίνουν ευφυείς συμπεριφορές, ένα κατόρθωμα που αναφέρεται σε ένα ολόκληρο σύνολο προσομοιωμένων νευρώνων, κάτι για το οποίο οι βιολογικοί οργανισμοί έχουν εξασκηθεί πολύ καλά για να το κατέχουν και να το χρησιμοποιούν.
Η περισσότερη βασική έρευνα έχει εστιαστεί σε μικρότερα και πιο εύχρηστα θέματα, όπως τον χαρακτηρισμό της μικροσκοπικής δομής των συνάψεων, τα θεμελιώδη επικοινωνιακά και μνημονικά στοιχεία στον εγκέφαλο, ή τη χρήση μαθηματικών μοντέλων για να συλλάβουν χοντρικά τη δυναμική των μεγάλων πληθυσμών από νευρώνες που αποτελούν τις οπτικές περιοχές οι οποίες είναι αφιερωμένες στην αναγνώριση αντικειμένων.
Τα αποτελέσματα αυτής της έρευνας ήδη έχουν αποδώσει εφαρμογές για τον πραγματικό κόσμο. Η υψηλού επιπέδου κατανόηση της ανθρώπινης νόησης επηρεάζει τα πάντα από την βασική σχολική εκπαίδευση μέχρι τις εκπαιδευτικές διαδικασίες που αφορούν τεχνικούς ιατρικής απεικόνισης.
Και όλα τα είδη των προγραμμάτων τεχνητής νοημοσύνης αποτελούν πλέον ένα σημαντικό τμήμα της καθημερινής ζωής: απλά το να χρησιμοποιεί κανείς το ηλεκτρονικό ταχυδρομείο θα ήταν αδιανόητο χωρίς την ύπαρξη φίλτρων τεχνητής νοημοσύνης που επιτελούν πιστά το καθήκον του να μπλοκάρουν την ανεπιθύμητη αλληλογραφία κάθε μέρα που περνάει.
Ωστόσο αυτές είναι μόνο μερικές προσπάθειες για να κατασκευαστούν πραγματικά, γενικής χρήσεως, ευφυή συστήματα. Όλα τα φίλτρα ανεπιθύμητης αλληλογραφίας ή οι παίχτες σκακιού αποτελούν υψηλά εξειδικευμένες λύσεις για περιορισμένα και καθαρώς ορισμένα προβλήματα.
Η βιολογική νοημοσύνη αντίθετα, χρησιμοποιεί υγρούς ιστούς γενικών σκοπών για να φέρει σε πέρας πολλές διαφορετικές αποστολές με αξιοσημείωτη ελαστικότητα. Ένα πεινασμένο ποντίκι, για παράδειγμα, δημιουργεί εσωτερικά έναν 'οδηγό πείνας' που πυροδοτεί την εξερευνητική συμπεριφορά.
Το ποντίκι μπορεί να ακολουθήσει οικείες διαδρομές που έχει κρατήσει στη μνήμη του αφού έμαθε ότι είναι ασφαλείς, αλλά την ίδια στιγμή θα πρέπει να ενοποιήσει σήματα από διαφορετικές αισθήσεις καθώς αντιμετωπίζει διάφορα αντικείμενα στο περιβάλλον του.
Το ποντίκι μπορεί να αναγνωρίζει αντικείμενα, όπως μια ποντικοπαγίδα, και να τα αποφύγει ακόμα κι αν είχε δει το συγκεκριμένο αντικείμενο από μια άλλη οπτική γωνία. Καθώς φτάνει και καταναλώνει την τροφή, το ποντίκι μπορεί γρήγορα να αποσπαστεί από το τρέχων σχέδιό του και να μεταπηδήσει στην επόμενη προτεραιότητά του.
Ακόμα και αυτή η φαινομενικά απλή συμπεριφορά, που ελέγχεται από έναν σχετικά μικρού μεγέθους εγκέφαλο, εμπλέκει τη δραστηριότητα δικτύων που αποτελούνται από εκατομμύρια νευρώνες και δισεκατομμύρια συνάψεις, που είναι διεσπαρμένα σε πολλές εγκεφαλικές περιοχές και λειτουργούν συνεργατικά.
Χωρίς να είναι χαοτική, η δομή αυτή απαρτίζεται από πολλαπλά επίπεδα οργάνωσης, που ξεκινούν από τη μοριακή δομή και φτάνουν σε ομάδες μεγάλων εγκεφαλικών περιοχών.
Αυτά τα πολλά είδη δομών απαιτούν ανάλυση σε πολλά επίπεδα βάθους και υποδηλώνουν ότι δε θα είναι δυνατό να κατασκευαστεί μια λειτουργική νευρομορφική οντότητα χωρίς να αντιγραφεί πιστά η πολύπλοκη συμπεριφορά της με προσομοιώσεις.
Ενώ ο βιολογικός εγκέφαλος ανέπτυξε αξιοσημείωτα συμπυκνωμένα και χαμηλής ισχύος κυκλώματα, οι σύγχρονοι νευροεπιστήμονες θα πρέπει να προσομοιώσουν αυτά τα μεγάλα δυναμικά συστήματα σε συμβατικούς υπολογιστές.
Η πρόσφατη ραγδαία βελτίωση της υπολογιστικής τεχνολογίας έκανε την προσπάθεια αυτή ευκολότερη και οικονομικά πιο ανεκτή ακόμα και για ερευνητικά εργαστήρια χαμηλού προϋπολογισμού.
Οι ταχύτεροι υπολογιστές του κόσμου είναι ήδη αρκετά μεγάλοι για να προσομοιώσουν βιολογικής κλίμακας νευρωνικά συστήματα, όπως δείχνουν οι εργασίες των Modha και Markram.
Υπάρχει ωστόσο ακόμα ένα θεμελιώδες πρόβλημα με την προσέγγιση αυτή. Οι συμβατικοί υπολογιστές δε λειτουργούν καθόλου σαν βιολογικοί εγκέφαλοι.
Η αποθήκευση δεδομένων στους υπολογιστές είναι φυσικώς αποσπασμένη από την περιοχή επεξεργασίας των δεδομένων, ενώ κάθε σύναψη στον εγκέφαλο είναι ταυτόχρονα ένα υπολογιστικό και ένα μνημονικό στοιχείο.
Τέτοιου είδους φυσικό υπόστρωμα μπορεί φυσικά να εξομοιωθεί σε έναν ψηφιακό υπολογιστή αλλά με μεγάλο μειονέκτημα στην αποδοτικότητα.
Για κάθε byte υπολογισμού ένας συμβατικός υπολογιστής θα πρέπει να διαθέσει ένα byte μνήμης, να το στείλει μέσω ενός επικοινωνιακού διαύλου σε έναν επεξεργαστή, να μετακινήσει το byte σε έναν καταχωρητή, να κάνει τον υπολογισμό και να κάνει την αντίστροφη διαδικασία για να φυλάξει τα αποτελέσματα και πάλι στη μνήμη.
Ένα βιολογικό σύστημα αντίθετα, κάνει τον υπολογισμό στην ίδια τοποθεσία με τη μνήμη και δε χρειάζεται να σπαταλήσει ενέργεια διακινώντας δεδομένα εδώ κι εκεί.
Αυτό σημαίνει ότι ένας σύγχρονος υπερ-υπολογιστής που θα είναι αρκετά μεγάλος για να προσομοιώσει έναν ανθρώπινο εγκέφαλο σχετικά κοντά στον πραγματικό χρόνο, θα έπρεπε να έχει ένα ειδικά σ' αυτόν αφιερωμένο εργοστάσιο για να του παρέχει ενέργεια, τη στιγμή που ένας ανθρώπινος εγκέφαλος λειτουργεί με περίπου τόση ενέργεια όση χρειάζεται μια συνηθισμένη λάμπα.
Δεδομένης της απίστευτης αναποτελεσματικότητας στην υλοποίηση βιολογικού υπολογισμού σε ένα συμβατικό υπόστρωμα από πυρίτιο, η πρόοδος υπήρξε κατανοητώς αργή.
Υπάρχει ακόμα αρκετή διαφωνία σχετικά με το πώς λειτουργούν βασικές όψεις των βιολογικών εγκεφάλων και για το πώς θα μπορούσαν να αναδημιουργηθούν σε κάποιο είδος τεχνητής υλοποίησης, έτσι είναι δύσκολο για τα ερευνητικά ιδρύματα να διανείμουν δικαιολογημένα τα είδη των πόρων που είναι αναγκαία για την προσπάθεια κατασκευής τεχνητών νευρωνικών συστημάτων βιολογικής κλίμακας.
Μέσα στις Ηνωμένες Πολιτείες, διάφορες ομάδες εργάζονται για να υλοποιήσουν υψηλής πυκνότητας, βιο-εμπνευσμένα chips που μπορούν να έχουν συγκεκριμένες εφαρμογές.
Ο Kwabena Boahen στο Πανεπιστήμιο του Stanford αναπτύσσει ένα chip πυριτίου που μπορεί να χρησιμοποιηθεί για να προσομοιωθεί η δυναμική και η ικανότητα μάθησης μερικών εκατοντάδων χιλιάδων νευρώνων και μερικών δισεκατομμυρίων συνάψεων.
Ένας από τους στόχους αυτής της έρευνας είναι να κατασκευαστούν τεχνητοί αμφιβληστροειδείς για να χρησιμοποιηθούν ως ιατρικά εμφυτεύματα για τους τυφλούς.
Το 4ης γενιάς σύστημα του Πανεπιστημίου Johns Hopkins (IFAT 4G) που σχεδιάστηκα από τον Ralph Etienne-Cummings θα αποτελείται από πάνω από 60.000 νευρώνες με 120 εκατομμύρια συναπτικές ενώσεις.
Μια προγενέστερη έκδοση του chip χρησιμοποιήθηκε για να υλοποιήσει το μοντέλο ενός οπτικού φλοιού για αναγνώριση αντικειμένων.
Η Ευρωπαϊκή Ένωση επενδύει επίσης στρατηγικά σε νευρομορφικά chips ως μια μελλοντική, κριτικής σημασίας, τεχνολογία.
Το πρόγραμμα Fast Analog Computing with Emergent Transient States (FACETS, Γρήγορος Αναλογικός Υπολογισμός με Αναδυόμενες Μεταβατικές Καταστάσεις) είναι μια μεγάλη ευρωπαϊκή πρωτοβουλία όπου πάνω από εκατό επιστήμονες των υπολογιστών, μηχανικοί και νευροεπιστήμονες, υλοποιούν ένα νέο chip που εκμεταλλεύεται τις έννοιες που έχουν παρατηρηθεί πειραματικά σε βιολογικά νευρικά συστήματα.
Το υπόστρωμα που υλοποιήθηκε με αρχιτεκτονική που δεν είναι του τύπου von Neumann (ανήκει δηλαδή σε μια τάξη υπολογιστικών συστημάτων που είναι κατάλληλη για παράλληλη επεξεργασία), βασίζεται σε ανώτατα επίπεδα τεχνογνωσίας που έχει συλλεχθεί από νευροεπιστημονική έρευνα και συμπεριλαμβάνει μηχανισμούς πλαστικότητας και ένα πολύπλοκο νευρωνικό μοντέλο με πάνω από 16.000 συναπτικές εισόδους για κάθε νευρώνα.
Το σύστημα FACETS, συναρμολογώντας πάνω από 200.000 νευρώνες και 50.000,000 συνάψεις σε έναν wafer, δεν είναι σχεδιασμένο ακόμα για κάποια συγκεκριμένη εφαρμογή, αλλά είναι το πρώτο του είδους του που παρέχει στους επιστήμονες μια ερευνητική υποδομή για να πειραματιστούν με μεγάλης κλίμακας τεχνητά συστήματα σε ταχύτητες 10.000 έως 100.000 γρηγορότερες από τον πραγματικό χρόνο.
Αυτό θα επιτρέψει στους ερευνητές του FACETS να προσομοιώσουν μέσα σε λίγα δευτερόλεπτα τη διάρκεια ζωής ενός συστήματος που είναι τόσο μεγάλο όσο ο εγκέφαλος ενός ποντικού, κερδίζοντας τεράστια γνώση για τις υπολογιστικές αρχές του εγκεφάλου και βελτιώνοντας την κατανόησή μας για νοητικές δυσλειτουργίες και συντελώντας στην ανάπτυξη πιο στοχευμένων φαρμάκων.
Τον Μάιο του 2008, στις Ηνωμένες Πολιτείες, το Defence Advanced Research Projects Agency (DARPA, Υπηρεσία Προηγμένων Ερευνητικών Προγραμμάτων Άμυνας), με ένα μακρύ ιστορικό στην προώθηση υψηλού ρίσκου και υψηλής ανταμοιβής προγραμμάτων (όπως ο πρόδρομος του Διαδικτύου), ξεκίνησε τη διαδικασία μέσω της πρωτοβουλίας Systems of Neuromorphic Adaptive Plastic Scalable Electronics (SyNAPSE, Συστήματα Νευρομορφικών Προσαρμόσιμων Πλαστικών Κλιμακωτών Ηλεκτρονικών).
Ο στόχος αυτού του ερευνητικού προγράμματος είναι να δημιουργήσει ηλεκτρονική νευρομορφική μηχανική τεχνολογία σε κλίμακα βιολογικών επιπέδων. Το SyNAPSE είναι ένα πολύπλοκο και πολυεπίπεδο σχέδιο, αλλά τα ίχνη του βρίσκονται σε δύο θεμελιώδη προβλήματα.
Πρώτον, οι κλασικοί αλγόριθμοι της Τεχνητής Νοημοσύνης γενικώς αποδίδουν λίγο σε πολύπλοκα περιβάλλοντα πραγματικού κόσμου, εκεί δηλαδή που αναπτύσσονται και προοδεύουν οι βιολογικοί πράκτορες.
Δεύτερον, οι παραδοσιακοί μικροεπεξεργαστές είναι υπερβολικά αναποτελεσματικοί στην εκτέλεση υψηλά κατανεμημένων και απαιτητικών σε δεδομένα αλγορίθμων, ενώ ο βιολογικός υπολογισμός είναι υψηλά κατανεμημένος και ιδιαίτερα απαιτητικός σε δεδομένα.
Το SyNAPSE επιζητεί να αναπτύξει μια νέας γενιάς νανοτεχνολογία απαραίτητη για την αποτελεσματική υλοποίηση αλγορίθμων που μιμούνται πιο κοντινά την βιολογική νοημοσύνη. Το DARPA βράβευσε με πόρους τρεις βασικούς συνεργάτες, την HP, την HRL και την IBM.
Πριν από την έναρξη του σχεδίου SyNAPSE, η HP έκανε μια σημαντική πρόοδο προς την δημιουργία ενός συμπαγούς, μικρής ισχύος υποστρώματος, που θα μπορούσε να υποστηρίξει τον βιολογικό υπολογισμό. Πρόκειται για την ανακάλυψη του Μεμρίστορα (Memristor, Memory Resistor).
Η έννοια του Μεμρίστορα δεν ήταν καινούργια, είχε προβλεφθεί από ένα συμμετρικό επιχείρημα του Leon Chua το 1971. Ο Chua πρόσεξε ότι τα τρία παθητικά στοιχεία ενός κυκλώματος, η αντίσταση, το πηνίο και ο πυκνωτής, θα έπρεπε να είναι μέλη μιας τετραμελούς οικογένειας.
Αυτή η τέταρτη συσκευή, την οποία ο Chua αποκάλεσε 'Memristor', θα συμπεριφερόταν σα μια αντίσταση με αγωγιμότητα που θα άλλαζε σε συνάρτηση με την εσωτερική της κατάσταση και την εφαρμογή ηλεκτρικής τάσης σ' αυτήν. Με άλλα λόγια, θα συμπεριφερόταν σα μια μονάδα μνήμης.
Η έρευνα του Chua αγνοήθηκε ωστόσο σε μεγάλο βαθμό, μέχρι που ο Greg Snider στα εργαστήρια της HP αντιλήφθηκε ότι μια παράξενη συσκευή σε νανοκλίμακα, πάνω στην οποία εργαζόταν, παρουσίαζε την συμπεριφορά που είχε προβλέψει ο Chua.
Αυτή η συμπεριφορά, που καλείται βρόχος υπερτονισμένης υστέρησης (pinched hysteresis loop) είχε εμφανιστεί περιοδικά εδώ και χρόνια στην βιβλιογραφία της νανοτεχνολογίας. Ο Greg όμως, ήταν το πρώτο άτομο που βρήκε μια σύνδεση μεταξύ των δεδομένων αυτών και της θεωρίας του Chua.
Αυτή η ανακάλυψη ήταν κριτικής σημασίας για το μέλλον της νευρομορφικής τεχνολογίας επειδή οι μεμρίστορες είναι η πρώτη τεχνολογία μνήμης με αρκετά υψηλή ενεργειακή αποτελεσματικότητα και πυκνότητα, εφάμιλλη του βιολογικού υπολογισμού.
Το νέο νευρομορφικό chip της HP που βασίζεται στον μεμρίστορα είναι ένα σημαντικό βήμα γιατί φέρνει τα δεδομένα πλησιέστερα στον υπολογισμό, σε μεγάλο βαθμό όπως το κάνουν τα βιολογικά συστήματα.
Η αρχιτεκτονική πλησιάζει σε έναν συμβατικό μαζικό επεξεργαστή πολλαπλών πυρήνων, περισσότερο από όσο πλησιάζουν οι νευρομορφικοί επεξεργαστές που αναπτύχθηκαν από άλλες ομάδες, αλλά με μια πολύ υψηλή πυκνότητα η μνήμη του μεμρίστορα κατατάχθηκε απευθείας στην κορυφή.
Κάθε πυρήνας έχει κατευθείαν πρόσβαση στη δική του μεγάλη τράπεζα μνήμης, κάτι που μειώνει δραματικά το καλωδιακό μήκος και συνεπώς, την κατανάλωση ενέργειας.
Η αρχιτεκτονική αυτή είναι δυνατή επειδή οι μεμρίστορες είναι παθητικά στοιχεία, συμβατά με συμβατικές κατασκευαστικές διαδικασίες και είναι επίσης ιδιαίτερα μικροί σε μέγεθος. Η παθητική τους ιδιότητα είναι αυτή που επιτρέπει την ελάχιστη κατανάλωση ενέργειας.
Οι μεμρίστορες αποθηκεύουν πληροφορία μέσω φυσικών αλλαγών στη συσκευή που δε χρειάζεται ενέργεια για να διατηρηθεί, έτσι η ενέργεια χρειάζεται μόνο όταν ένας μεμρίστορας πρέπει να ενημερωθεί σε μια νέα τιμή. Αυτή η ιδιότητα περιγράφεται με τον όρο 'μη-πτητικός'.
Τα κυκλώματα μνήμης τύπου flash είναι επίσης μη-πτητικά, αλλά είναι πολύ μεγαλύτερα και χρησιμοποιούν σημαντικά περισσότερη ενέργεια. Επειδή η μνήμη αυτή είναι συμβατή με καθιερωμένες κατασκευαστικές διαδικασίες, μπορεί να τοποθετηθεί απευθείας στην κορυφή ενός συμβατικού επεξεργαστή.
Αυτό αποφέρει ακόμα μια μεγάλη πτώση στην κατανάλωση ενέργειας, γιατί τα δεδομένα δε χρειάζεται να διακινηθούν σε μεγάλες αποστάσεις.
Τέλος, επειδή ένα κύτταρο μνήμης μεμρίστορα δεν απαρτίζεται από τίποτε παραπάνω από ότι ένας μόνο μεμρίστορας που βρίσκεται ανάμεσα σε δύο νανο-καλώδια, οι μνήμες με μεμρίστορες μπορούν να κατασκευαστούν σε υπερβολικά μεγάλες πυκνότητες.
Το σχέδιο SyNAPSE στοχεύει να υποστηρίξει την κατασκευή δισεκατομμυρίων συνάψεων ανά τετραγωνικό εκατοστό, αλλά τρισεκατομμύρια ή και περισσότερες είναι δυνατές στο κοντινό μέλλον χάρη στην βελτίωση της τεχνολογίας και την αύξηση στον αριθμό των στρώσεων των μεμρίστορων που θα αποτεθούν.
Βάζοντας όλα αυτά μαζί, αυτοί οι παράγοντες παραμερίζουν έναν από τους θεμελιώδεις περιοριστικούς παράγοντες στις προηγούμενες γενιές των νευρομορφικών υποστρωμάτων, την έλλειψη αυξομείωσης κλίμακας.
Με μια συμβατική διαδικασία κατασκευής υλικού υποστρώματος, η ποσότητα επιφανειακής περιοχής που προορίζεται να προσομοιώσει έναν νευρώνα είναι περίπου η ίδια με την επιφανειακή περιοχή που χρειάζεται για την προσομοίωση μιας σύναψης.
Στα βιολογικά συστήματα, η αναλογία μεγέθους μεταξύ νευρώνων και συνάψεων είναι περίπου δέκα χιλιάδες προς ένα και μπορεί να κυμαίνεται από μερικές φορές μεγαλύτεροι προς ένα μέχρι και εκατό χιλιάδες μεγαλύτεροι προς ένα.
Οι μεμρίστορες είναι αρκετά μικροί σε σύγκριση με τα συμβατικά τεχνικά μέρη και έτσι η επιφανειακή περιοχή που απαιτείται για να προσομοιωθεί μια σύναψη πέφτει σε ένα μικρό κλάσμα της περιοχής που χρειάζεται για την προσομοίωση ενός νευρώνα, μια αναλογία που είναι πολύ κοντύτερα στα βιολογικά συστήματα.
Αυτό μειώνει την ενέργεια λόγω της δραματικής μείωσης των ενεργειακών εξόδων για αποστολή σημάτων και τη διακλάδωση, επιτρέποντας πολύ υψηλότερη αλλαγή κλίμακας και υπολογιστική πυκνότητα.
Μια συσκευή υλοποίησης που θα βασίζεται σε μεμρίστορες και θα μπορεί να προσομοιώσει περίπου τον ίδιο αριθμό νευρώνων και συνάψεων ενός μεγάλου θηλαστικού, θα χρειαζόταν τον όγκο ενός κουτιού για παπούτσια, με μια κατανάλωση ενέργειας περίπου 1 kW. Όση ενέργεια χρειάζεται μια κοινή μηχανή για espresso.
Παρόλο που η τεχνολογία της HP παρείχε μια τεράστια πρόοδο στο πεδίο του υλικού υποστρώματος που είναι συμβατό με τον νευρωνικό υπολογισμό, η δυνατότητα κατασκευής ευφυούς λογισμικού για να τρέξει σε αυτές τις συσκευές αποτελεί μια μεγάλη πρόκληση για το πρόγραμμα SyNAPSE.
Η HP εργάζεται με μια ομάδα ερευνητών στο τμήμα Γνωσιακών και Νευρωνικών Συστημάτων του Πανεπιστημίου της Βοστώνης για να βρουν μια λύση στην πρόκληση αυτή.
Η ομάδα του Πανεπιστημίου της Βοστώνης έχει συγκροτηθεί με μοναδικό τρόπο ώστε να προσφέρει μια τέτοια λύση, λόγω της διαπεδιακής της προσέγγισης στην κατασκευή ευφυών μηχανών.
Ένα τέτοιο σχέδιο απαιτεί ειδικούς από πεδία όπως η νευροεπιστήμη, τα μαθηματικά, η επιστήμη των μηχανικών, η ψυχολογία και η ρομποτική. Το Center of Excellence for Learning in Education, Science and Technology (CELEST, Κέντρο Υπεροχής για Μάθηση στην Εκπαίδευση, Επιστήμη και Τεχνολογία), ένα εθνικό επιστημονικό ίδρυμα μάθησης που ιδρύθηκε το 2004, στο οποίο ανήκει η ομάδα του Πανεπιστημίου της Βοστώνης, προσπαθεί να κάνει ακριβώς αυτό.
Η ερευνητική προσέγγιση του CELEST αναπτύσσει ένα νέο παράδειγμα στην ταυτόχρονη μελέτη και κατανόηση των εγκεφάλων και της συμπεριφοράς ώστε να εφαρμόσει μια ενδελεχή γνώση από την υπολογιστική μοντελοποίηση στην κατασκευή ευφυών μηχανών.
Η καινοτόμος συσκευή που βασίζεται στον μεμρίστορα, που κατασκευάστηκε στη HP και εφοδιάστηκε με νευρωνικά μοντέλα που σχεδιάστηκαν, αναπτύχθηκαν και υλοποιήθηκαν στο Πανεπιστήμιο της Βοστώνης, θα χαμηλώσει δραματικά το φράγμα της μελέτης του εγκεφάλου και της προσομοίωσης υπολογιστικών συστημάτων μεγάλης κλίμακας που είναι εμπνευσμένα από τον εγκέφαλο, επιταχύνοντας ριζοσπαστικά την πρόοδο στη βασική νευροεπιστημονική έρευνα και δημιουργώντας νέες τεχνολογικές εφαρμογές.
Η νέα τεχνολογία είναι επίσης θεμελιωδώς φθηνή και μικρή, τόσο μικρή που το αντίστοιχο ενός σαφώς μεγάλου δικτύου φλοιωδών κυττάρων θα μπορούσε να αναπτυχθεί σε ένα κινητό τηλέφωνο.
Ένα μεγάλο βήμα θα είναι να προσομοιωθεί η συμπεριφορά ενός σαφώς πολύπλοκου εγκεφάλου που βάζει σε κίνηση έναν τεχνητό οργανισμό σε ένα εικονικό περιβάλλον.
Το Πανεπιστήμιο της Βοστώνης και η HP επί του παρόντος σχεδιάζουν τα αντιληπτικά, πλοηγικά και συναισθηματικά συστήματα που θα προσομοιώσουν κάποια βασική συμπεριφορά τρωκτικού σε ένα υλικό υπόστρωμα.
Το προσομοιωμένο νευρικό σύστημα, που αρχικά είχε εκτελεστεί σε συμβατικούς υπολογιστές και στη συνέχεια μεταφέρθηκε σε έναν αριθμό μικρότερων chips, θα επιτρέψει στο ζωοειδές να μαθαίνει μέσω πλαστικών αλλαγών στις συναπτικές συνδέσεις των νευρώνων του και να αλληλεπιδρά ευφυώς με το περιβάλλον του.
Να αναζητά τροφή ακολουθώντας διαδρομές που έχει μάθει, αποφεύγοντας την τιμωρία και τα αρπακτικά, ενώ αργότερα θα ανταγωνίζεται άλλα ζωοειδή για πόρους.
Υπάρχουν ακόμα πολλές προκλήσεις να λυθούν πριν οι νευρομορφικές συσκευές που βασίζονται στους μεμρίστορες να αλλάξουν την καθημερινή ζωή. Για παράδειγμα, η νοημοσύνη των ζώων εξελίχθηκε για να αντιμετωπίσει την νευρωνική και συναπτική απώλεια.
Η απώλεια ενός τρανζίστορ είναι καταστροφική σε έναν παραδοσιακό επεξεργαστή, αλλά οι βιολογικοί εγκέφαλοι υποφέρουν τη συνεχή απώλεια νευρώνων και συνάψεων καθώς γερνάνε και επιδεικνύουν μονάχα μια 'χαριτωμένη έκπτωση'.
Οι συνάψεις των μεμρίστορων είναι πολύ μικρές και ευπρόσβλητες σε κατασκευαστικές αστοχίες. Θα μπορούσε ένα προσομοιωμένο νευρωνικό σύστημα να είναι τόσο ανθεκτικό στην απώλεια μεμριστικών συνάψεων όσο είναι ένας βιολογικός εγκέφαλος σε αντίστοιχη ανεπάρκεια;
Παρ’ ολ’ αυτά, τέτοιες πρόοδοι στην ανάπτυξη της νευρομορφικής τεχνολογίας ανοίγουν πραγματικά τον δρόμο προς την ανάπτυξη ανθρωπόμορφης ευφυούς συμπεριφοράς σε μηχανές.
Θα μπορούσε να ελπίσει κανείς, ότι την επόμενη φορά που ένας πρωταθλητής του σκακιού θα κάτσει σε ένα παιχνίδι με έναν ευφυή υπολογιστή, ο υπολογιστής μπορεί να κερδίσει ή να χάσει, αλλά η συμπεριφορά του, τα συναισθήματά του και οι αποφάσεις του θα είναι απαράλλαχτες με αυτές του ανθρώπου συμπαίχτη του.
Και αυτό θα είναι μια πραγματική νίκη της Τεχνητής Νοημοσύνης.
Μετάφραση – Απόδοση ... Αμαλία Τσακίρη, για το ESOTERICA.gr
thesecretrealtruth , pathfinder.gr , magazeen.gr
Δεν υπάρχουν σχόλια:
Δημοσίευση σχολίου
Σημείωση: Μόνο ένα μέλος αυτού του ιστολογίου μπορεί να αναρτήσει σχόλιο.