وقتی کلمه رایانه را میشنویم، بیشتر ما به ترکیبی از مس و سیلیکون فکر میکنیم که اندازه آنها از کیسهای ایستاده تا گوشیهای هوشمندی که در جیب میگذاریم متغیر است. محاسبات مدرن هر چهقدر هم که پیشرفته باشند، باز هم مصنوعی هستند و قابل قیاس با نمونههای زیستی نیستند. با اینحال، محققان در تلاش برای تغییر این روند کلاسیک و قدیمی هستند. بهطوریکه قصد دارند محاسبات زیستی را به دنیای فناوری اطلاعات وارد کنند و تحولی بزرگ و تاریخی در دنیای محاسبات بهوجود آورند.
محاسبه زیستی، یک علم میانرشتهای است که تلاش میکند از قابلیتهای ذاتی سلولهای عصبی موجودات زنده (بیولوژیکی) برای تکمیل وظایف محاسباتی سامانههای کلاسیک یا همان کامپیوترها استفاده کند. در همین ارتباط، گروهی از محققان در حال کار بر روی استفاده از DNA یا پروتئینهای درون سلولها برای انجام محاسبات اولیه هستند. سامانههای ترکیبی که امکان ساخت آنها در محیطهای آزمایشگاهی وجود دارد. این رایانهها که مقیاس میکروسکوپی دارند بر مبنای کارکردی که دارند در حوزههای مختلفی مثل نانوزیستفناوری قابل استفاده هستند.
این گروه از پژوهشگران دانشگاه جانز هاپکینز بر این باور هستند که میتوان با نورونهای واقعی به مزایای درخشانی در زمینه محاسبات دست پیدا کرد، هرچند موانع زیادی بر سر این راه وجود دارند. این گروه تحقیقاتی، دستورالعملی از پیشنیازهای ساخت رایانههایی زیستی تهیه کردهاند که با سلولهای مغز انسان تقویت میشوند.
به گفته یکی از پژوهشگران، هوش ارگانوئیدی مزایای شفافی نسبت به کامپیوترهای فعلی دارند. توماس هارتونگ، پژوهشگر بخش مهندسی و سلامت دانشگاه جانز هاپکینز و یکی از مولفان مقاله منتشرشده، در این زمینه میگوید: «همیشه برای ساخت رایانههایی مشابه مغز انسان تلاش کردیم، اما واقعیت این است که مغز انسان بیهمتا است».
در حال حاضر، رایانههای زیستی در ابتداییترین شکل خود قرار دارند و قابلیتهایی که ارائه میدهند شبیه رایانههای اولیه دهه 1920 است که بهلحاظ قدرت محاسباتی به اندازه یک تلفن همراه هم کارایی ندارند، اما این واقعیت که این رایانهها کاملا زیستی هستند، بزرگترین انگیزهای است که پژوهشگران و موسسات تحقیقاتی را تشویق کرده تا کار روی طراحی این سامانهها را ادامه دهند.
زیستشناسی محاسباتی و محاسبات زیستی
آلن تورینگ که پدر محاسبات مدرن شناخته میشود، در خلال جنگ جهانی دوم رایانهای ساخت که میتوانست کدهای Axis را شکسته و به متفقین کمک کند در بسیاری از درگیریها به پیروزی برسند. علاوه بر این، آلن تورینگ یکی از اولین دانشمندانی بود که از رایانه برای ترسیم تصویر واضحتری از جهان زیستی استفاده کرد. تورینگ یک مدل ریاضی برای مطالعه ریختزایی(مورفوژنز) یا فرآیند زیستی ایجاد کرد که روند رشد سلولها در جنین و شکل خاصی که به خود میگیرند را نشان میداد. وی در سال 1952 مقالهای را منتشر کرد که در آن پایههای شیمیایی ریختزایی را مورد بررسی قرار داد. مقالهای که هنوز هم به آن استناد میشود. او همچنین پایههای هوش مصنوعی مدرن را با تلاش برای ساخت رایانههایی که شبیه مغز انسان طراحی شده بودند، پایهگذاری کرد. او در اصل پایه و اساس محاسبات زیستی و زیستشناسی محاسباتی را بنا کرد، هر چند قسمت نشد خودش شاهد آن باشد.
مزایای رایانههای زیستی
اگر رایانههای زیستی فاقد قدرت پردازشی سیستمهای محاسباتی فعلی هستند، چرا دانشمندان اینقدر روی ساخت رایانههای زیستی کاربردی متمرکز شدهاند؟ اولین و مهمترین دلیل، تکثیر است. تکثیر یکی از مهمترین مزایای محاسبات زیستی نسبت به محاسبات سنتی است، زیرا نیازی به تهیه مواد برای بردهای مدار چاپی یا پردازندهها وجود ندارد. در مقابل، هنگامی که یک سلول برنامهریزی شده و رشد میکند، میلیاردها کلون ساخته و تکثیر میشوند که همان کار پردازندهها را انجام میدهند، اما به شیوه کاملا مقرونبهصرفه. سلولهای آلی دارای نشانگرهایی هستند که به آنها کمک میکنند محاسبات خاص را انجام دهند. جالب آنکه متخصصانی مثل برنامهنویسان زیستی نیازی ندارند کدنویسیهای پیچیده و خیلی خاصی انجام دهند.
حفظ و نگهداری رایانههای زیستی نیز آسانتر از نمونههای فعلی است. کافی است به بدن انسان فکر کنید. بیش از 1 میلیون سلول در هر ثانیه میمیرند، حتا در بدن سالم. این مرگومیرها مشکلی ایجاد نمیکنند، زیرا بدن شما همیشه سلولهای جدید میسازد. رایانهای را تصور کنید که هرگز نیاز به تعویض قطعات ندارد، زیرا سلولها بهطور مداوم رشد میکنند تا سامانه بتواند کار خود را انجام دهد.
چالشهای محاسبات زیستی
یکی از بزرگترین چالشهای محاسبات زیستی، ترکیب دو رشته علوم رایانه و علوم زیستی است. بهجای مهندسی معکوس چیزهایی که مادر طبیعت از قبل برای ما ساخته است، این رشته قصد دارد کارها را نه معکوس، بلکه روبهجلو پیش ببرد که هرگز کار آسانی نیست. استفاده از این فناوریها در هر مکانی غیر از محیط آزمایشگاهی چالشبرانگیز خواهد بود. زیستشناسی میتواند ناپایدار باشد و هر چیزی از شرایط محیطی گرفته تا تغذیه در این سیستم میتواند باعث خرابی پیدرپی شود و در واقع کل سیستم رایانهای را از کار بیاندازد. در مقطع فعلی، سیستمهای رایانهای زیستی فاقد توان پردازشی در مقایسه با رایانههای مدرن هستند. به بیان دقیقتر، تلاش برای استفاده از این سامانهها برای انجام محاسبات فعلی مثل این است که توییتر یا تیکتاک را روی دستگاهی که آلن تورینگ برای شکستن کد Axis در جنگ جهانی دوم از آن استفاده میکرد، نصب و اجرا کنید.
کاربردهای محاسبات زیستی
وقتی میتوانید یک سلول را طوری برنامهریزی کنید که دقیقا آنچه را که نیاز دارید انجام دهد، چه احتیاجی به نانورباتها یا سایر فناوریهای نانو دارید؟ این کاربرد خاص در پزشکی برای ایجاد درمانهای هدفمند ارزشمند خواهد بود. با نمونهبرداری از یک توده بدخیم، پزشکان میتوانند سلولها را برای هدف قرار دادن و درمان فقط آن توده، بدون آسیب رساندن به بافتهای اطراف برنامهریزی کنند. آنها میتوانند برای شناسایی نشانگرهای زیستی خاصی که میتوانند بیانگر وجود یک بیماری یا شرایط ژنتیکی باشند، برنامهریزی شوند. همچنین، میتوانند برای شناسایی بیماریهای ژنتیکی خفته که هنوز ظاهر نشدهاند مفید باشند و از این طریق هشدارهای لازم را به والدین بدهند.
تلاشهای مایکروسافت در زمینه دستیابی به کامپیوترهای زیستی استارتآپ Station B زیرمجموعه مایکروسافت است که بر مطالعه روی محاسبات زیستی متمرکز است. Station B در همکاری با دانشگاه پرینستون و دو شرکت زیستفناوری Oxford BioMedica وSynthace امیدوار است که از محاسبات زیستی برای کاهش هزینه درمان و تولید محصولات ژن درمانی استفاده کند. چنین کاربردی میتواند اینگونه درمانها را برای افرادی که بیشتر به آنها نیاز دارند، مقرونبهصرفهتر و قابل دسترستر کند.
تیم تحقیقاتی دانشگاه جانز هاپکینز
تلاش برای شبیهسازی و حتا پیوند دادن رایانهها به مغز انسان، موضوع جدیدی نیست، اما همانگونه که اشاره کردیم، محققان دانشگاه جانز هاپکینز بر این باور هستند که استفاده از نورونهای واقعی میتواند مزایای زیادی در درک این مفهوم به معنای واقعی داشته باشد؛ اگرچه موانعی بر سر این راه وجود دارد که ابتدا باید آنها را از میان برداشت.
فناوری موردنظر دانشمندان دانشگاه جان هاپکینز، هوش ارگانوئیدی (OI) نامیده میشود. هوش ارگانوئیدی از ارگانوئیدها یا خوشههای بافت زنده رشدیافته از سلولهای بنیادی که رفتاری مشابه اندامها دارند بهره میبرد و بهعنوان سختافزار زیستی، سیستمهای الگوریتمی را تقویت میکنند. بهگفته محققان دانشگاه جان هاپکینز، این فناوری میتواند فرآیند یادگیری را در رایانههای زیستی سادهتر از نمونههای کلاسیک کند و به آنها اجازه دهد بهتر از هوش مصنوعی تصمیمگیری کنند.
رایانهای که بهنوعی زنده است
ارگانوئیدها بخشهای کوچکی از بافت هستند که در آزمایشگاه برای شبیهسازی اندامهای کامل پرورش مییابند. این انداموارههای کوچک دارای ساختارهای داخلی ویژهای هستند. پژوهشگران با ارگانوئیدها میتوانند بدون نیاز به آزمایش انسانی یا جانوری، پژوهشهای خود را انجام دهند. توماس هارتونگ و همکارانش در حال کار با ارگانوئیدهای رشدیافته از سلولهای مغز انسان هستند. هارتونگ از سال 2012 پرورش ارگانوئیدها را از نمونههای پوست انسان شروع کرد که در یک وضعیت مشابه با سلولهای بنیادی تنظیم شده بودند. ارگانوئیدها کوچک و هماندازه هستند و تعداد آنها بالغ بر 50 هزار عدد است که ساختارهای متنوعی دارند که به آنها امکان یادگیری و به خاطر سپاری را میدهد.
بهگفته هارتونگ، از این سلولها میتوان برای ساخت کامپیوترهایی استفاده کرد که قابلیتهای کاربردی خوبی در اختیار ما قرار میدهند. بهطور مثال، این دستگاهها قادر هستند انرژی کمتری نسبت به کامپیوترها و ابرکامپیوترهای امروزی مصرف کنند. سرعت یادگیری مغز انسان بیشتر از کامپیوتر است، اما در عین حال انرژی کمتری را مصرف میکند. بهطور مثال، الگوریتم بازی آلفاگو بر مبنای دادههای 160 هزار بازی آماتور Go آموزش دیده بود، در حالی که انسانها به زمان کمتری برای یادگیری این بازی نیاز دارند. همچنین، مغز انسان توانایی خوبی در نگهداری و ذخیرهسازی دادهها دارد و بر اساس برآوردها چیزی بالغ بر 2.5 میلیون گیگابایت داده را ذخیرهسازی میکند.
کامپیوترهای ارگانوئیدی بهلحاظ تئوری فضای کمتری را اشغال میکنند. این کامپیوترها در آینده ساختار سهبعدی خواهند داشت و تراکم سلولی آنها بهشکل قابل توجهی افزایش پیدا خواهد کرد. همین مسئله باعث میشود تا اتصالهای بیشتری بین سلولهای عصبی بهوجود آید. در شرایطی که کامپیوترهای دیجیتالی قادر به پردازش حجم زیادی از دادهها هستند، اما مغز انسان در تصمیمگیری منطقی مثل شناسایی سریع، عملکرد بهتری دارد. سوکپال سینگ گیل، استادیار مهندسی الکترونیک و علوم کامپیوتر دانشگاه کویین مری لندن، روی مبحث ظرفیت محاسبات تجهیزات دیجیتالی کار میکند. او مصرف انرژی را بزرگترین محدودیت محاسبات دیجیتالی، هوش مصنوعی و یادگیری ماشین میداند. در نقطه مقابل، سلولهای مغز انسان چنین وظایفی را بهشکل یکپارچه و با صرف انرژی کمتری انجام میدهند و پیشنیازهای انرژی کمتری دارند. به بیان دقیقتر، تنها به یک محلول مغذی کوچک برای عملکرد صحیح نیاز دارند، در حالی که ماشینهای محاسباتی دیجیتالی به جریان الکتریسته نسبتا بالایی نیاز دارند.
راه طولانی در پیش است
هنوز فاصله زیادی تا ورود کامپیوترهای زیستی به دنیای واقعی وجود دارد. یکی از مشکلات مهم، اندازه آنها است. ما باید ارگانوئیدها را از 50 هزار سلول به 10 میلیون سلول برسانیم، اما بهسختی میتوان این حجم سلول را در فضایی حدود نیم میلیمتر قرار داد، زیرا اکسیژن و مواد غذایی نمیتواند بهراحتی به مرکز آنها برسد. یکی از راهکارها برای غلبه بر این مشکل تزریق یا کانالبندی مایعات به داخل ارگانوئید است که فرآیند پیچیدهای است.
علاوه بر این، پژوهشگران باید راههایی را برای برقراری ارتباط با ارگانوئیدها برای تبادل ارسال و دریافت اطلاعات بهشیوه مرسوم رایانهها پیدا کنند. به همین دلیل، بهبود حافظه آنها ضروری است. در حال حاضر، ارگانوئیدهای مغز میتوانند اطلاعات کوتاهمدت را نگهداری کنند. بهطور مثال، میتوانید آنها را برای بازی پونگ آموزش دهید، اما ممکن است روز بعد همهچیز را فراموش کنند. دلیل این مسئله ممکن است این باشد که ارگانوئیدها فاقد سلولهای میکروگلیکا هستند. این سلولها نوعی سلول ایمنی هستند که در مغز قرار دارند و عمل هرس سیناپسی یا به بیان دقیقتر، ریشهکن کردن سیناپسهای زائد را انجام میدهند و به این ترتیب مغز میتواند به عملکرد عادی خود ادامه دهد.
شکل دادن به آینده محاسبات
میدانیم که رایانههای مدرن در حال کوچک و کوچکتر شدن هستند، اما هیچ متخصصی انتظار ندارد ابعاد آنها به مقیاس میکروسکوپی برسد، حداقل در آینده نزدیک چنین چیزی امکانپذیر نیست. در سویی دیگر، محاسبات زیستی هنوز در مراحل اولیه هستند و زمان زیادی طول خواهد کشید تا بتوانید بهجای رایانهای که از مس و سیلیکون ساخته شده، یک رایانه زیستی را انتخاب کنید. با اینحال، کاربردهای بالقوه محاسبات زیستی تقریبا نامحدود است. در حال حاضر، ما احتمالا شاهد ساخت آنها در محیطهای آزمایشگاهی و کاربردهای پزشکی خواهیم بود. با این حال، همانطور که این فناوری به تکامل خود ادامه میدهد، میتوانیم بهطور بالقوه شاهد حضور آن در حوزههای مختلف باشیم.
ماهنامه شبکه را از کجا تهیه کنیم؟
ماهنامه شبکه را میتوانید از کتابخانههای عمومی سراسر کشور و نیز از دکههای روزنامهفروشی تهیه نمائید.
ثبت اشتراک نسخه کاغذی ماهنامه شبکه
ثبت اشتراک نسخه آنلاین
کتاب الکترونیک +Network راهنمای شبکهها
- برای دانلود تنها کتاب کامل ترجمه فارسی +Network اینجا کلیک کنید.
کتاب الکترونیک دوره مقدماتی آموزش پایتون
- اگر قصد یادگیری برنامهنویسی را دارید ولی هیچ پیشزمینهای ندارید اینجا کلیک کنید.
نظر شما چیست؟