تراشه ی 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 کرده اند که در واقع نوعی نیمه هادی فوق العاده کوچک است که اشتباهات را به طور مستقل یاد می گیرد و تصحیح می کند.

این تراشه اکنون برای تعبیه در دستگاه های مختلف آماده است؛ مانند دوربین های امنیتی هوشمند که فورا فعالیت های مشکوک را بدون تکیه بر سرور های ابری شناسایی کرده و دستگاه های پزشکی که داده های سلامت را بلادرنگ تجزیه و تحلیل می کنند.

حل چالش دستگاه های نورومورفیک

این تراشه محاسباتی به دلیل توانایی اش در یادگیری و تصحیح خطا های ناشی از ویژگی های نامطلوب که چالش دستگاه های نورومورفیک هستند، متمایز است. به عنوان مثال، هنگام پردازش تصاویر ویدئویی، می تواند 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 سازی های رایانه ای مطلوب در پردازش تصویر بلادرنگ توانایی های 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 می گیرد.

بخش اصلی این نوآوری نسل بعدی، دستگاه نیمه هادی به نام ممریستور است. ویژگی های مقاومت متغیر آن، نقش سیناپس ها در شبکه های عصبی را تقلید و ذخیره و محاسبات همزمان داده ها را امکان پذیر می کند عملیاتی که بسیار شبیه به عملکرد سلول های مغز ماست.

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

سکو های برپایه ممریستور می توانند سیستم های 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، سیستم های برپایه آرایه ممریستور در پیاده سازی الگوریتم های هوش مصنوعی بلادرنگ با یادگیری روی دستگاه، به دلیل مشکلات قابلیت اطمینان مانند عملکرد کم، یکنواختی ضعیف و مشکلات استقامتی با چالش هایی مواجه هستند.

اکنون، پژوهشگران کره ای قصد دارند با این فناوری نحوه ادغام هوش مصنوعی را در دستگاه های روزمره تغییر دهند به طوریکه هوش مصنوعی کار ها را به صورت محلی پردازش کند. این مطالعه نشان داد چنین دستاوردی اتکا به سرور های ابری راه دور را کاهش داده و دستگاه ها را سریع تر، ایمن تر و کارآمدتر می کند.

این محققان می گویند: ما از ممریستور های بین سطحی اکسید تیتانیوم با توزیع تدریجی اکسیژن استفاده می کنیم که دارای ویژگی های قابلیت اطمینان زیاد، خطی بودن بالا، خاصیت بدون شکل گیری و خود اصلاحی هستند. این سکو الگوریتم های هوش مصنوعی را در دامنه آنالوگ از طریق خود کالیبراسیون، بدون نیاز به جبران یا آموزش از قبل، اجرا می کند.

به گفته محققان کره ای این سیستم مانند یک فضای کاری هوشمند عمل می کند که در آن همه چیز به راحتی قابل دسترسی است و نیازی به رفت و برگشت بین میز ها و کمد های پرونده نیست. این سیستم نحوه پردازش اطلاعات توسط مغز را بازتاب می دهد، جایی که همه چیز به طور موثر در یک مکان واحد به کار گرفته می شود.

نتایج این تحقیقات در نشریه Nature Electronics منتشر شده است.