آیا TrueNorth جایگزین مغز انسان می‌شود؟

آی‌بی‌ام بر مبنای همان سیاست اولیه خود، قصد دارد در حوزه طراحی تراشه‌های هوشمند و پیشرفته پیشتاز باشد. گزارش‌هایی که این شرکت به‌تازگی منتشر کرده است، نشان می‌دهد که تراشه فوق‌سریع و خودیادگیر آی‌بی‌ام موسوم به TrueNorth، دنیای فناوری را دستخوش تغییرات اساسی خواهد کرد. معیارهایی که آی‌بی‌ام برای این تراشه ارائه کرده است، نشان می‌دهد که قابلیت یادگیری عمیق موجود در TrueNorth که الگویی شبیه به مغز انسان دارد، می‌تواند بسیار سریع‌تر، قدرتمندتر و کارآمدتر از هر پردازنده مرکزی و گرافیکی که امروزه در سراسر جهان استفاده می‌شود، اطلاعات را پردازش کند.  
طراحی سامانه‌ای کامپیوتری که بتواند همانند انسان‌ها کارهای خود را هوشمندانه انجام دهد و بر اساس مستنداتی که در اختیار دارد، تصمیماتی مشابه با انسان‌ها بگیرد، یکی از اهداف مهم و بلندمدت آی‌بی‌ام است. به نظر می‌رسد در حال حاضر آی‌بی‌ام در این زمینه به پیشرفت‌های مهمی دست پیدا کرده است.

مطلب پیشنهادی

پیاده‌سازی درست و منطقی

۶ سوء‌تفاهم درباره یادگیری ماشینی

تراشه کامپیوتری آی‌بی‌ام موسوم به TrueNorth به گونه‌ای طراحی شده است که همانند مغز انسان می‌تواند فرایند پردازش اطلاعات را مدیریت کند. بر همین اساس، این شرکت در حال انجام آزمایش‌ها و تعیین معیارهایی برای TrueNorth است تا نشان دهد که این تراشه در مقایسه با تراشه‌هایی که این روزها در کامپیوترها استفاده می‌شوند، تا چه اندازه سریع‌تر و پر قدرت‌تر است. به گفته آی‌بی‌ام، نتایج به‌دست‌آمده از این تراشه در نوع خود جالب توجه است. این شرکت در توصیف محصول جدید خود گفته است: «تراشه TrueNorth با اتکا بر یادگیری عمیق، می‌تواند تصمیمات خود را بر مبنای احتمالات و نتایجی که از موارد مختلف به دست می‌آورد، اتخاذ ‌کند. این رویکرد شباهت زیادی به الگویی دارد که مغز انسان بر مبنای آن به تحلیل رخدادها می‌پردازد و تصمیم‌گیری می‌کند.» شکل 1 جزئیات مربوط به مؤلفه‌های داخلی این تراشه را نشان می‌دهد. 

شکل 1: معماری این تراشه به طور بنیادین بر مبنای فناوری Cornell Tech است و طراحی مدارهای آن غیرهم‌زمان هستند. 

نکته مهم دیگر درباره TrueNorth، به مصرف انرژی آن بازمی‌گردد که در مقایسه با تراشه‌های کنونی به انرژی کمی برای محاسبات خود نیاز دارد. ویژگی یادگیری و توان محاسباتی تراشه TrueNorth فرصت‌ها و توانمندی‌های تازه‌ای را در اختیار صاحبان صنایع و فناوری‌های نوین قرار خواهد داد. تجهیزاتی که محاسبات هوشمند در آن‌ها حرف اول را می‌زند. اینترنت اشیا، گوشی‌های هوشمند، روباتیک، ماشین‌های خودران، رایانش ابری و حتی ابرکامپیوترها، از جمله تجهیزاتی هستند که این تراشه می‌تواند انقلابی در آ‌ن‌ها به وجود آورد. اوایل سال جاری میلادی، آی‌بی‌ام از کامپیوتر جدیدی به نام NS16e که مجهز به این تراشه‌ بود، رونمایی کرد. این کامپیوتر به کمک یک شبکه‌‌ عصبی از واحدهای پردازشی، قادر به تشخیص الگوها، زبان‌ طبیعی و تصاویر است.
مغز انسان از صد میلیارد سلول عصبی ساخته شده است که با استفاده از تریلیون‌ها سیناپس، با یکدیگر در ارتباط هستند. بخشی از این شبکه عصبی پیچیده که پوسته شبکه عصبی مغز انسان را شکل می‌دهد، وظیفه شناسایی دیداری (تشخیص بصری) را بر عهده دارد. در حالی که بخش‌های دیگر این شبکه عصبی وظیفه پردازش اطلاعات جانبی همچون عملکرد حرکتی را بر عهده دارند. کامپیوتر NS16e همانند مغز انسان از سلول‌های عصبی دیجیتالی در مقیاس کوچک‌تر استفاده می‌کند؛ کامپیوتری که به 16 تراشه TrueNorth مجهز شده است. (شکل 2) هر یک از این تراشه‌های TrueNorth متشکل از یک میلیون نورون هستند که 256 سیناپس آن‌ها را به یکدیگر متصل می‌کند. این تراشه‌ها از طریق ارتباطات مداری با یکدیگر در ارتباط هستند و به تبادل اطلاعات می‌پردازند. 

شکل 2: شاید این مادربرد به دلیل داشتن 16 تراشه ظریف و بهینه‌سازی‌شده TrueNorth، گران‌ترین مادربرد جهان باشد.

در کامپیوتر NS16e همه مؤلفه‌های اساسی و زیرساختی یک سامانه کامپیوتری همچون حافظه، محاسبات و ارتباط بین زیرسامانه‌ها از نو طراحی شده است تا این سیستم نه تنها به لحاظ مصرف انرژی و کاهش مصرف انرژی عملکرد قابل قبولی را به دست آورد، بلکه فرایند پردازش داده‌ها در آن ساده‌تر و کارآمدتر از گذشته شود. شکل 3 نمایی از مؤلفه‌هایی را که آی‌بی‌ام طراحی کرده است، نشان می‌دهد. آی‌بی‌ام در خصوص عملکرد این تراشه گفته است: «پردازنده TureNorth می‌تواند داده‌های تصویری در محدوده 1200 تا 2600 فریم را در حالی که تنها 25 تا 275 میلی‌وات انرژی مصرف می‌کند، طبقه‌بندی کند. این پردازنده قادر است با نرخ 24 فریم در ثانیه به شناسایی و تشخیص الگوها در تصاویری بپردازد که توسط 50 تا 100 دوربین ضبط شده‌اند. اگر این تراشه در یک گوشی هوشمند قرار بگیرد، بدون نیاز به شارژ مجدد به مدت چند روز کار خواهد کرد.» 

شکل 3: جزئیات تراشه TrueNorth همراه با سیناپس‌های آن

تراشه TrueNorth به‌مراتب قدرتمندتر و کارآمدتر از سرورهای امروزی، داده‌ها را پردازش می‌کند. سرورهای امروزی با اتکا بر پردازنده‌های گرافیکی، پردازنده‌های مرکزی و مدارهای مجتمع دیجیتالی برنامه‌پذیر وظایفی همچون شناسایی تصاویر یا تشخیص گفتار را مدیریت می‌کنند. امروزه شرکت‌های بزرگی همچون فیسبوک، گوگل، مایکروسافت و بایدو، از فناوری یادگیری عمیق برای ارائه پاسخ‌های تخمینی در خصوص تصاویر و تشخیص گفتار استفاده می‌کنند. در حال حاضر بسیاری از سرورها برای انجام این‌گونه محاسبات از پردازنده‌های گرافیکی استفاده می‌کنند؛ پردازنده‌هایی که میزان مصرف انرژی آن‌ها 150 وات است. 
تراشه TrueNorth از مدل‌های یادگیری عمیق و الگوریتم‌های ویژه‌ای استفاده می‌کند که به این تراشه اجازه می‌دهد به‌راحتی فرایند پردازش بر مبنای داده‌های قدیمی در کنار داده‌های جدید را انجام دهد. در حالی که پژوهشگران هنوز هم برای مدل‌های مختلف یادگیری عمیق الگوریتم‌هایی را تولید می‌کنند، در مقابل تراشه TrueNorth آی‌بی‌ام می‌تواند به‌خوبی از الگوریتم‌هایی همچون MatConvNet استفاده کند. در حالت کلی توسعه‌دهندگان می‌توانند مدل‌های یادگیری مبتنی بر MatConvNet را تولید کنند و آن‌ها را توسعه دهند. با وجود این، تراشه TrueNorth در پشت صحنه از‌‌ MatConvNet پشتیبانی کرده و برای انجام پردازش‌ها از آن استفاده می‌کند؛ در نتیجه طراحان نیازی ندارند MatConvNet را برای این تراشه تعریف کنند. MatConvNet الگوریتم قدرتمندی است که ویژه شبکه‌های عصبی کانولوشن (CNNs) طراحی شده و در برنامه‌های بینایی ماشینی استفاده می‌شود. این الگوریتم ساده و کارآمد است و به‌راحتی اجرا می‌شود. 
فرایند طراحی و توسعه الگوریتم‌های یادگیری ماشینی و تراشه‌هایی که از الگویی مشابه با ساختار مغز انسان پیروی کنند، درست شبیه به زمانی است که بازی‌های کامپیوتری در حال توسعه بودند. تا چندی پیش، توسعه‌دهندگان مستقیماً به پردازنده‌های گرافیکی دسترسی نداشتند و در نتیجه دسترسی به ویژگی‌های ذاتی پردازنده‌های گرافیکی برای آن‌ها امکان‌پذیر نبود. وولکن (Vulkan) با از میان برداشتن رابط برنامه‌نویسی گرافیکی OpenGL این مشکل را رفع کرد. برنامه‌نویسان اکنون می‌توانند از ویژگی‌های ذاتی این تراشه‌ها استفاده کنند. یادگیری عمیق که سطحی بالاتر از یادگیری ماشینی است، به طور ویژه در ماشین‌های خودران کاربرد دارد. فناوری‌های محاسباتی این وسایل نقلیه برای اینکه بتوانند ماشین‌ها را به‌درستی هدایت کنند، داده‌های مورد نیاز خود را از حسگرهای بسیار زیادی دریافت می‌کنند، در نتیجه به قدرت پردازشی بالایی برای تحلیل داده‌های دریافتی نیاز دارند.
TrueNorth برای انجام پردازش‌های رایج از تعداد کمی از سلول‌های عصبی دیجیتالی استفاده می‌کند، اما زمانی که به پردازش سنگینی همچون تشخیص یک شی در تصویر یا شناسایی صوتی نیاز باشد، از ترکیب سلول‌های عصبی دیجیتالی زیادی استفاده می‌کند. این همان تکنیکی است که شرکت‌هایی همچون اینتل و انودیا از آن استفاده می‌کنند. با این حال، تراشه‌های تولیدی این دو شرکت در مقایسه با TrueNorth انرژی بیشتری مصرف می‌کنند.

هدف آ‌ی‌بی‌ام از تولید این تراشه‌ها چیست؟
آی‌بی‌ام با تراشه TrueNorth راه درازی در پیش دارد و در بلندمدت در نظر دارد این تراشه را به گونه‌ای توسعه دهد تا سامانه‌ای هم‌طراز با قدرت پردازشی مغز انسان به وجود آورد. بزرگ‌ترین مانع این کار به طراحی الگوریتم‌هایی مربوط می‌شود که بتوانند از قدرت بالای چنین تراشه‌هایی به شکل مؤثری استفاده کنند. آی‌بی‌ام سال 2004، پروژه طراحی تراشه‌هایی را که ساختاری مشابه با مغز انسان دارند، آغاز کرد. این شرکت در سال 2009 موفق شد یک سامانه کامپیوتری را با الگوبرداری از مغز گربه طراحی کند. نمونه اولیه از این تراشه در سال 2011 ارائه شد که به 256 سلول عصبی دیجیتالی مجهز شده بود. 

رایانش کوانتومی آی‌بی‌ام را نیز هدف قرار داده است
در کنار برنامه‌هایی که آی‌بی‌ام در زمینه طراحی چنین تراشه‌هایی در دست اقدام دارد، در حال طراحی و ساخت کامپیوترهای کوانتومی نیز هست؛ کامپیوترهایی که قرار است به عنوان جایگزینی برای کامپیوترهای شخصی و سرورهایی که امروزه استفاده می‌شوند و اساس و ساختار طراحی آن‌ها به چند دهه قبل باز می‌گردد، استفاده شوند. آی‌بی‌ام تنها شرکتی نیست که در زمینه طراحی تراشه‌هایی که شبیه به مغز انسان‌ها است، فعالیت می‌کند؛ هیولت پاکارد، دانشگاه استنفورد، دانشگاه هایدلبرگ آلمان و دانشگاه منچستر نیز در تلاش هستند تا چنین تراشه‌هایی را طراحی کنند. به هر ترتیب، در آینده‌ای نزدیک شاهد حضور این تراشه‌ها در مقیاس‌های کاربردی و عمومی خواهیم بود؛ تراشه‌هایی که از طریق تجهیزات همراه همچون گوشی‌های هوشمند یا ابزارهای ثابت همچون کامپیوترهای شخصی، تحلیل‌های جالبی در خصوص کسب‌وکار یا سرگرمی‌های مورد علاقه ما، ارائه خواهند کرد.