تراشه‌اي كه خودش اشتباهات را متوجه مي‌شود و تصحيح مي‌كند
يك تراشه الهام گرفته از مغز به‌طور مستقل اشتباهات را متوجه مي‌شود و تصحيح مي‌كند. اين تراشه كه توسط دانشمندان كره‌اي ساخته شده است، با يادگيري و اصلاح خطاها بر چالش موجود در دستگاه‌هاي نورومورفيك موجود غلبه مي‌كند.
يك تراشه الهام گرفته از مغز به‌طور مستقل اشتباهات را متوجه مي‌شود و تصحيح مي‌كند. اين تراشه كه توسط دانشمندان كره‌اي ساخته شده است، با يادگيري و اصلاح خطاها بر چالش موجود در دستگاه‌هاي نورومورفيك موجود غلبه مي‌كند. به گزارش ايسنا، گروهي از پژوهشگران موسسه علوم و فناوري پيشرفته كره (KAIST) در كره جنوبي يك تراشه يكپارچه مبتني بر ممريستور (مقاومت حافظه‌دار) ساخته‌اند كه روش پردازش اطلاعات در مغز را تقليد مي‌كند. اين گروه به رهبري پروفسورها سينهيون چوي و يانگ‌گيو يون يك تراشه نورومورفيك نسل جديد كه يك نيمه‌رساناي فوق‌العاده كوچك است كه اشتباهات را به‌طور مستقل ياد مي‌گيرد و تصحيح مي‌كند، ساخته‌اند. اين تراشه اكنون براي استقرار در دستگاه‌هاي مختلف مانند دوربين‌هاي امنيتي هوشمند كه فورا فعاليت‌هاي مشكوك را بدون تكيه بر سرورهاي ابري شناسايي مي‌كنند و دستگاه‌هاي پزشكي كه داده‌هاي سلامت را در لحظه تجزيه و تحليل مي‌كنند، آماده است.
حل چالش‌ها در دستگاه‌هاي نورومورفيك
مهندسي نورومورفيك يا به اختصار نورومورفيك كه «محاسبات عصبي» نيز ناميده مي‌شود، مفهومي است كه در اواخر دهه ۱۹۸۰ توسط كارور ميد (Carver Mead) توسعه يافته و به معني استفاده از سيستم‌هاي مجتمع‌سازي در مقياس بسيار بزرگ (VLSI) حاوي مدارهاي آنالوگ الكترونيكي، براي تقليد (شبيه‌سازي) معماري عصبي و بيولوژيكي موجود در سيستم عصبي است. در حال حاضر اصطلاح نورومورفيك براي توصيف سيستم‌هاي آنالوگ، ديجيتال، سيستم‌هاي مختلط آنالوگ / ديجيتال و نرم‌افزارهايي كه سيستم‌هاي عصبي را مدل‌سازي مي‌كنند، به كار مي‌رود. اجراي محاسبات عصبي در سطح سخت‌افزار را مي‌توان با ممريستورها و ترانزيستورها تحقق بخشيد. جنبه اصلي مهندسي نورومورفيك درك چگونگي مورفولوژي نورون‌هاي ويژه، مدارها، برنامه‌ها و معماري‌هاي همه‌جانبه است كه بر نحوه ارائه اطلاعات و بر استحكام در برابر آسيب‌ها تأثير مي‌گذارد و يادگيري و توسعه و سازگاري با تغييرات محلي (انعطاف‌پذيري) را تركيب مي‌كند و تغيير تكاملي را آسان مي‌كند. اكنون اين تراشه جديد محاسباتي به دليل توانايي در يادگيري و تصحيح خطاهاي ناشي از ويژگي‌هاي غير ايده‌آل كه چالشي در دستگاه‌هاي نورومورفيك موجود است، متمايز است. به عنوان مثال، هنگام پردازش ويدئوها مي‌تواند به‌طور خودكار اجسام متحرك را از پس‌زمينه جدا كند و عملكرد خود را در طول زمان بهبود بخشد. اين تراشه خودآموز، توانايي‌هاي خود را با دستيابي به دقت قابل مقايسه با شبيه‌سازي‌هاي رايانه‌اي ايده‌آل در پردازش تصوير لحظه‌اي نشان داده است. دستاورد كليدي تيم تحقيقاتي در ايجاد سيستمي نه تنها قابل اعتماد بلكه كاربردي است و از توسعه اجزاي فردي شبيه به مغز پيشي مي‌گيرد. محور اصلي اين نوآوري يك دستگاه نيمه‌رساناي نسل جديد به نام ممريستور است. ويژگي‌هاي مقاومت متغير آن نقش سيناپس‌ها در شبكه‌هاي عصبي را تقليد مي‌كند و ذخيره و محاسبات همزمان داده‌ها را امكان‌پذير مي‌كند كه بسيار شبيه به عملكرد سلول‌هاي مغز ماست. ممريستور دقيقا تغييرات مقاومت را كنترل مي‌كند و يك سيستم كارآمد ايجاد مي‌كند كه نياز به جبران پيچيده را از طريق خودآموزي برطرف مي‌كند. اين مطالعه از اين جهت مهم است كه پتانسيل تجاري يك سيستم نورومورفيك نسل جديد را براي يادگيري و استنتاج در لحظه نشان مي‌دهد.
تسريع وظايف پردازش هوش مصنوعي به صورت درجا براي بهبود سرعت
پلتفرم‌هاي مبتني بر ممريستور مي‌توانند سيستم‌هاي محاسباتي واقع در لبه حوزه هوش مصنوعي فشرده و كم‌مصرف را به دليل توانايي آنها در انجام محاسبات موازي در حوزه آنالوگ فعال كنند. با اين حال، سيستم‌هاي مبتني بر آرايه ممريستور در پياده‌سازي الگوريتم‌هاي هوش مصنوعي در لحظه با يادگيري روي دستگاه به دليل مشكلات قابليت اطمينان مانند عملكرد ضعيف، يكنواختي ضعيف و مشكلات استقامتي با چالش‌هايي مواجه هستند. اكنون اين فناوري قصد دارد نحوه ادغام هوش مصنوعي را در دستگاه‌هاي روزمره تغيير دهد و وظايف هوش مصنوعي را به صورت درجا پردازش كند. اين مطالعه اشاره دارد كه اين امر اتكا به سرورهاي ابري راه دور را كاهش مي‌دهد و دستگاه‌ها را سريع‌تر، ايمن‌تر و كارآمدتر مي‌كند. دانشمندان در مقاله خود آورده‌اند: ما از ممريستورهاي مبتني بر اكسيد تيتانيوم با توزيع تدريجي اكسيژن استفاده مي‌كنيم كه قابليت اطمينان بالا، خطي بودن بالا، ويژگي‌هاي بدون انباشت و خود اصلاحي را نشان مي‌دهند. اين پلتفرم مي‌تواند الگوريتم‌هاي هوش مصنوعي را در حوزه آنالوگ از طريق «خود كاليبراسيون»، بدون نياز به جبران يا پيش‌آموزش اجرا كند. به گفته محققاني كه توسعه اين فناوري را رهبري كردند، اين سيستم مانند يك فضاي كاري هوشمند عمل مي‌كند كه در آن همه‌چيز به راحتي قابل دسترس است. به گفته محققان، اين سيستم همچنين نحوه پردازش اطلاعات توسط مغز را بازتاب مي‌دهد، جايي كه همه‌چيز به‌طور موثر در يك مكان واحد به كار گرفته مي‌شود. اين مطالعه در مجله Nature Electronics منتشر شده است.