کامپیوتر ادای مغز را در می‌آورد

داستان از یک بازی ساده شروع می‌شود. سوبوتای احمد (Subutai Ahmad)، یک چهارگوش مجازی در لپ‌تاپ خود می‌کشد، پشت آن یک «L» و بالای آن یک «T» می‌گذارد و می‌پرسد: این چیست؟ شما چه حدس می‌زنید؟ حدس کامپیوتر احمد این است: «هلی کوپتر».
به نظر یک بازی ساده ما قبل کامپیوتر می‌رسد؟ اما سوبوتای احمد، نایب رییس شرکت تازه تاسیس Numenta عقیده دارد این پیش نمایش، به ما گوشه‌ای از آینده پردازش داده‌ها را نشان می‌دهد. در واقع ساخت کامپیوترهای پرقدرتی که بتوانند به خوبی شطرنج بازی کنند یا در پیش‌بینی وضع هوا به کار گرفته شوند، امروز هم ممکن است، اما وظیفه تشخیص یک گربه از یک سگ، هنوز هم برای ماشین دشوار به نظر می‌رسد.
مغز انسان برخلاف ماهیت محاسبه سریالی پردازنده‌های کامپیوتر، به صورت موازی کار می‌کند و اما احمد می‌گوید: ما معتقدیم کامپیوترها می‌توانند به قدرت پردازش مغز انسان نزدیک شوند، به شرط آنکه معماری نرم‌افزاری آنها برپایه لایه خاکستری مغز طراحی شود. این همان چیزی است که Numenta سعی کرده با پیش نمایش تصویر هلی کوپتر، به صورت ابتدایی، آن را رنگی از واقعیت بزند.
اگرچه در دهه ۹۰ ایده‌ای که به نام شبکه‌های عصبی معروف شد، تا حدودی در این راه گام برداشت، اما به اعتقاد مدیران Numenta، رمز موفقیت در این زمینه، در طراحی نرم‌افزار نهفته است.
احمد می‌گوید: به عقیده ما، این رویکرد به موضوع هوش روباتیک، شروع تازه‌ای در صنعت رایانه است، مشابه آنچه که ۵۰ سال قبل با تولید ریزتراشه اتفاق افتاد.
● بازسازی مغز
البته خبرهایی مثل این، هر روز در سیلیکون ولی به گوش می‌رسد، اما در مورد Numenta شاید موضوع کمی فرق کند، زیرا موضوع مورد علاقه این شرکت در میان دانشمندان سرتاسر جهان علاقه‌مندان بسیاری دارد.
آنان نه تنها نرم‌افزارهایی بر پایه سیستم مغز انسان طراحی می‌کنند، بلکه سعی دارند لایه خاکستری مغز را نیز شبیه‌سازی کنند و حتی نسخه‌هایی سخت‌افزاری از «نئوکورتکس» بسازند.
هدف هم، ساخت کامپیوترهای قدرتمند، تحقیق در ساختار مغز انسان و امید به کشف اسرار هوشیاری انسان است.
اما داستان Numenta از دهه ۸۰ میلادی آغاز می‌شود؛ زمانی که جف هاکینز (Jeff Hawkins)، دانشجوی سال آخر دانشگاه کالیفورنیا، موفق به طراحی مدل نرم‌افزاری مغز نشد، اما او ناامید نشد، به سیلیکون ولی رفت. آنجا موفق به اختراع Palm Pilot و بعد Treo شد و حالا، این کارآفرین ثروتمند ۵۰ ساله Numenta را پایه‌گذاری کرده؛ با هدف طراحی الگوریتمی مشابه آنچه قابلیت‌های شناختی انسان را شکل می‌دهد و مدیریت می‌کند.
پروژه هاکینز روی ایده نوروبیولوژیستی به نام ورنون مونت کسل (Vernon Mount Castle) بنا شده است. این دانشمند در دهه ۷۰ میلادی نشان داد که تمامی نرون‌ها در نئوکورتکس به یک طریق سازمان‌دهی می‌شوند، فارغ از اینکه هر ناحیه از کورتکس وظیفه و عملکردی متفاوت را به انجام می‌رساند.
این نرون‌ها به صورت افقی به لایه‌های متعدد و به صورت عمودی در ستون‌هایی تقسیم می‌شوند. مونت کسل نتیجه گرفت که مدیریت این نرون‌ها با یک الگوریتم واحد انجام می‌شود و تنها تفاوت، در نوع اطلاعاتی است که پردازش می‌کنند.
هاکینز بر اساس این ایده، می‌گوید: شیوه تفکر ما (و نرم‌افزار Numenta) برپایه پیش‌بینی‌ها و طبیعتا خاطرات استوار است. خاطراتی به ما کمک می‌کنند تا حدس بزنیم، در طول زمان با تحلیل مرحله به مرحله اطلاعات ورودی حسی مغز به دست می‌آیند و در نهایت، می‌توان یک تصویر یا شکل را فارغ از اطلاعات پراکنده و متفاوت موجود در مغز، تشخیص داد.
این ایده‌ها به ما کمک می‌کنند تا در آینده هم وقتی موارد مشابه شناختی پدیدار می‌شود، درست حدس بزنیم.
اما همه با این ایده متقاعد نمی‌شوند. باب نایت (Bob Knight)، یک عصب شناس دانشگاه برکلی می‌گوید که تئوری هاکینز با دانش کنونی ما از نحوه عملکرد مغز مغایرت دارد.
او همچنین می‌گوید که این تئوری فاقد دلایل تجربی و توضیحات علمی کافی است. اما درباره نرم‌افزار Numenta که به گونه‌ای طراحی شده که بر اساس تجارب کسب شده قبلی، حدس بزند، این انتقاد وارد نیست.
احمد می‌گوید: مهم این است که برنامه ما کار می‌کند و اینکه تصویری کاملا دقیق از مغز ارایه شود، فعلا مدنظر ما نبوده است.
او همچنین مواردی از موفقیت این تئوری را هم بیان می‌کند. مثلا شرکت EDSA Micro اخیرا نسخه اولیه این نرم‌افزار را برای کنترل و بررسی تکانه‌های عصبی به کار گرفته و شرکت اسلحه‌ساز Lockheed Martin هم برای تحلیل تصاویر ماهواره‌ای به منظور تشخیص اشیای کوچک همچون صندوق‌های پستی، چراغ‌های راهنمایی و سطل زباله از این نرم‌افزار استفاده می‌کند. هدف هم این است که دیدی کامل از فعالیت‌های دشمن داشته باشد.
سایر مهندسان مغز نیز می‌خواهند این ارگانیسم پیچیده را کپی کنند. برای نمونه هنری مارکرام که یک دانشمند عصب‌شناس است به همراه تیم خود در پروژه Blue Brain، انستیتو تکنولوژی فدرال سوییس در لوزان سعی دارند نسخه‌ای کاملا دیجیتالی از مغز، بر پایه آخرین داده‌های علمی خلق کنند. آنها نمی‌خواهند مغز را به طور کامل بازسازی کنند، بلکه عناصر اصلی و بخش‌هایی از نئوکورتکس برای آنها کفایت می‌کند و همچنین به منظور ساده‌سازی مساله ستون‌های مغز انسان را شبیه‌سازی نمی‌کنند و این کار را روی مغز موش در دست انجام دارند.
جالب است بدانید لایه‌ای از مغز به طول ۲ میلی‌متر و ضخامت نیم میلی‌متر، شامل ۱۰ هزار نرون عصبی می‌شود. اخیرا گروه مارکرام توانسته یک گام مهم در طراحی مدلی از لایه کورتکس بردارد که به طور دقیق اجازه شبیه‌سازی فرآیند تجربه در مغز یک موش را می‌دهد. دانشمندان اکنون امیدوارند که بتوانند بخش بزرگ‌تری از ساختار مغز را شبیه‌سازی کنند. آنها اول باید بدانند که این ستون‌ها چگونه درون ساختار سلول‌های پشتیبان جای می‌گیرند و بعد، نوبت به باز‌آفرینی و شبیه‌سازی فعالیت مغز کامل یک موش می‌رسد.
مارکرام معتقد است تا سال ۲۰۱۵ می‌توان مغز انسان را هم کاملا شبیه‌سازی کرد. اما باز‌سازی مجازی مغز هنوز برای برخی افراد راضی کننده نیست و آنان مشابه سیلیکونی مغز را می‌خواهند.
امروزه کامپیوتر‌ها حاوی ریز‌پردازنده هستند، نه سلول‌های عصبی، آنها هنوز نمی‌توانند مشابه نرون‌ها پردازش موازی انجام دهند، اما ریز‌تراشه هم می‌تواند به نوعی مغز را شبیه‌سازی کند.
در دهه ۸۰ یک مهندس میکرو الکترونیک به نام کارور مد (Carver Mead) دریافت که تکانه‌های الکتریکی عصب‌ها می‌تواند با یک مدار تزانزیستوری شبیه‌سازی شود. این یافته، راه توسعه رتینای سیلیکونی را باز کرد که می‌تواند جلو از بین رفتن بینایی را بگیرد. این تراشه‌ها نیز همچون سلول‌های عصبی آنالوگ هستند و با افت و افزایش سیگنال‌های الکتریکی کار می‌کنند. اما هنوز یک ضعف مهم دارند، سیستم سیم‌کشی آنها ایستاست و نمی‌توانند همچون مغز، اتصالات جدید ایجاد کنند.
● افزودن حافظه
کوابنا بوهن (Kwabena Boahen)، دانش آموخته میکرو الکترونیک که زیر نظر «مد» کار کرده و هم‌اکنون پروفسور دانشگاه استنفورد است، نیز برای اجتناب از این مشکل راه‌حل خود را دارد، او پاکتی پلاستیکی و شفاف ساخته که به یک تراشه مجهز است و می‌تواند سیگنال‌های دیجیتالی را به سلول‌های اطراف و یا حافظه (که یک تراشه RAM است) برساند.
این تراشه شاید به تکامل مدل مارکرام نرسد، اما به طور بلادرنگ عمل می‌کند.
بوهن می‌گوید: کافی است دکمه روشن را بفشارید و ببینید که سیگنال‌ها چطور درون شبکه حرکت می‌کنند.
در این مدل، مکانیک مغز براساس «نروگرید» پایه‌ریزی شده که مدلی سیلیکونی شامل ۱۶ ریز‌ تراشه است و می‌تواند، عمل یک میلیون نرون با ۶ میلیارد اتصال را تقلید کند. البته هنوز این طرح به طور کامل عملیاتی نشده است.
جعبه‌ای کوچک، حاصل این تلاش‌هاست که قدرت پردازشی معادل ۳۰۰ ترافلاپس یعنی ۱۰ برابر سوپر کامپیوتر Blue Brain دارد و زمانی که کامل شود، امکان آزمون تئوری‌های مختلف مربوط به مغز را می‌دهد و شاید، جوابی کامل و دقیق درباره این راز سربه‌ مهر، حاصل آید.

ترجمه: آرین درخشان

منبع : روزنامه فناوران