طلوع پردازش سرد؛ انقلاب رایانش نورومورفیک و تقلید از معماری بی نقص مغز در سیلیکون

«طلوع پردازش سرد؛ انقلاب رایانش نورومورفیک و تقلید از معماری بی نقص مغز در سیلیکون»

در حالی که ابررایانه های امروزی برای انجام محاسبات پیچیده هوش مصنوعی به نیروگاه های کوچک برق نیاز دارند و گرمای تولیدی آن ها می تواند یک ساختمان را گرم کند، مغز انسان با مصرف انرژی معادل یک لامپ کوچک ۲۰ واتی، پیچیده ترین فرآیندهای ادراکی، یادگیری و تصمیم گیری را انجام می دهد. شکاف بزرگ میان «بهینگی زیستی» و «خشن بودن الکترونیک کلاسیک» در یک تضاد ساختاری نهفته است: معماری های فعلی مدام داده ها را بین حافظه و پردازنده جابجا می کنند، فعالیتی که بخش اعظم انرژی را هدر می دهد. اما اگر بتوانیم تراشه ای بسازیم که مثل مغز، حافظه و پردازش را در یک نقطه ادغام کند و فقط وقتی «جرقه» یا پیامی وجود دارد بیدار شود، چه اتفاقی می افتد؟ اینجاست که رایانش نورومورفیک (عصب گرا) وارد می شود تا به جای حساب و کتاب های خشک، با زبان «ضربان های عصبی» با دنیای داده ها حرف بزند.

قلب تپنده این فناوری، قطعه ای جادویی به نام «ممریستور» (مقاومت حافظه دار) است. اگر مقاومت های معمولی را مثل یک لوله آب سلب فرض کنید، ممریستور مثل یک لوله انعطاف پذیر است که قطرش را بر اساس مقدار آبی که قبلا از آن عبور کرده، تغییر می دهد و حتی بعد از قطع آب، آن قطر را حفظ می کند.
در سطح اتمی، وقتی جریان الکتریکی از این قطعه عبور می کند، یون های کوچک (اتم های باردار) در لایه نازک اکسید جابجا می شوند. این جابجایی اتمی، مسیرهای رسانایی ریزی را باز یا بسته می کند. این دقیقا شبیه به تقویت یا تضعیف «سیناپس ها» در مغز ماست؛ هرچه مسیری بیشتر استفاده شود، عبور پیام از آن راحت تر می شود.
در تراشه های نورومورفیک، ما به جای استفاده از کلاک های سخت و خسته کننده که همه بخش ها را مدام وادار به کار می کنند، از سیستم «رویداد-محور» استفاده می کنیم. در این ساختار، لایه های عصبی مصنوعی به صورت شبکه ای به هم متصل اند. یک نورون سیلیکونی ساکت می ماند تا زمانی که مجموع سیگنال های ورودی اش از یک حد مشخص بگذرد؛ آنگاه یک «شلیک» یا ضربان الکتریکی بسیار کوتاه به نورون های بعدی می فرستد. این یعنی ۹۹ درصد تراشه در اکثر مواقع در خواب عمیق و بدون مصرف انرژی است و فقط بخش های درگیر در یک وظیفه خاص، مثل تشخیص چهره، فعال می شوند. این رقص هماهنگ ضربان ها، اجازه می دهد تا پردازش موازی در سطحی غیرقابل تصور در الکترونیک کلاسیک انجام شود.

چرا هنوز این تراشه ها جایگزین پردازنده های فعلی نشده اند؟ موانع اصلی در سایه پنهان شده اند:
* ناپایداری مواد در مقیاس اتمی: ممریستورها بر پایه حرکت یون ها کار می کنند. کنترل این حرکت در ابعاد چند نانومتر، به طوری که در هزاران بار استفاده دقیقا همان رفتار قبلی را تکرار کنند، بسیار دشوار است. «آشوب اتمی» گاهی باعث می شود یک سیناپس به جای یادگیری، دچار فراموشی یا رفتار غیرقابل پیش بینی شود.
* فقدان زبان برنامه نویسی: تمام نرم افزارهای دنیای امروز برای معماری های ترتیبی (پله پله) نوشته شده اند. نوشتن الگوریتمی که بتواند با ضربان های نامنظم و موازی یک تراشه نورومورفیک کار کند، نیازمند بازنگری کامل در مفاهیم ریاضیات محاسباتی و برنامه نویسی است؛ ما با سخت افزاری روبرو هستیم که هنوز الفبای نرم افزاری اش ابداع نشده است.
* چالش یادگیری روی تراشه: در حال حاضر، اکثر این شبکه ها ابتدا روی ابررایانه ها آموزش می بینند و سپس مدل نهایی روی تراشه ریخته می شود. هدف نهایی این است که خود تراشه بتواند در لحظه و در محیط، بدون کمک خارجی یاد بگیرد (مثل یک نوزاد)، اما پیاده سازی مکانیزم های یادگیری پیچیده در سطح سخت افزار، تراشه را بسیار حجیم و پیچیده می کند.

رایانش نورومورفیک صرفا یک بهبود در سرعت نیست، بلکه یک «تغییر پارادایم» است. در آینده ای نزدیک، ما پهپادهایی خواهیم داشت که با مصرف انرژی یک ساعت مچی، می توانند مثل یک سنجاقک از بین موانع پیچیده با سرعت بالا مانور دهند. ما با حسگرهایی روبرو خواهیم شد که مستقیما روی پوست بدن قرار می گیرند و با هوش داخلی خود، سیگنال های حیاتی را تحلیل کرده و فقط در صورت بروز خطر، با مصرف کمترین انرژی، هشدار صادر می کنند.
این فناوری، پل نهایی بین هوش مصنوعی و بیولوژی است. مسیری که در آن مهندسی برق از ساخت «ماشین های حساب» به سمت خلق «موجودات محاسباتی» حرکت می کند؛ موجوداتی که به جای مصرف انرژی برای جابجایی بیهوده صفر و یک ها، از فیزیک اتمی خود برای درک جهان استفاده می کنند. آینده مهندسی، نه در صدای فن های پرسرعت سرورها، بلکه در سکوت مطلق و سرمای لذت بخش تراشه هایی است که با الهام از طبیعت، دنیا را لمس می کنند.