محاسبات نورومورفیک از مدارهای آنالوگ برای تقلید از روشی که مغز انسان اطلاعات را پردازش می کند، استفاده می کند. پیشرفت‌های اخیر در این زمینه می‌تواند تأثیر عمده‌ای بر فناوری اطلاعات سازمانی در سال‌های آینده داشته باشد.
ما اغلب تحت این تصور هستیم که محاسبات دیجیتال به هر طریق ممکن شناخت انسان را ارتقا می‌دهد. کامپیوترها قدرتمند، دقیق و سازگار هستند. آنها می توانند محاسبات را سریعتر از کل ارتش مردم انجام دهند. اگر رایانه ای مرتکب اشتباه می شود، به این دلیل است که شخصی آن را به این صورت برنامه ریزی کرده است.
اما در برخی جنبه های حیاتی، مغز انسان همچنان بهترین کامپیوتر در جهان است. انسان‌ها به‌ویژه در تشخیص الگوها و بداهه‌پردازی در شرایط نامشخص مهارت دارند – بسیار مؤثرتر از قوی‌ترین هوش‌های مصنوعی موجود در بازار. و با استفاده از تنها 22 وات برق برای کارکردن (تقریباً نصف برق یک لپ تاپ)، بازده انرژی مغز در انجام کارهای خاص بی نظیر است.
کامپیوترهای نورومورفیک شکاف بین نقاط قوت و ضعف نسبی مغز انسان و پردازنده های رایانه سنتی را پر می کنند. این یک حوزه بین رشته ای است که جایی در تقاطع علوم کامپیوتر، مهندسی برق، و علوم اعصاب شناختی قرار دارد و سعی می کند با تقلید مصنوعی از سیستم عصبی انسان، پردازنده هایی ایجاد کند که بیشتر شبیه مغز انسان عمل کنند. با انجام این کار، دانشمندان امیدوارند که پردازنده هایی بسازند که هم قدرتمندتر و هم کارآمدتر از هر چیزی که امروزه در دسترس است، کارآمدتر باشد.
محاسبات نورومورفیک چگونه کار می کند
مفهوم محاسبات نورومورفیک توسط پروفسور کارور مید در سال 1980 معرفی شد. اما محاسبات نورومورفیک (که گاهی مهندسی نورومورفیک نیز نامیده می شود) هنوز یک زمینه نوظهور در نظر گرفته می شود و تنها در چند سال اخیر برای موارد استفاده تجاری امکان پذیر شده است.
برای تقلید از مغز و سیستم عصبی انسان، محققان شبکه های عصبی مصنوعی می سازند که سیناپس ها را با گره ها جایگزین می کند. یکی از موانع این شبکه ها دودویی بودن پردازش دیجیتال است. CPU ها پیام ها را از طریق مدارهایی که روشن یا خاموش هستند ارسال می کنند. جایی برای درجات ظرافت وجود ندارد.
از قضا، مهندسان این مشکل را با بازگشت به مدارهای آنالوگ حل کردند. در نتیجه، آنها پردازنده‌هایی ساخته‌اند که می‌توانند مقدار جریانی را که بین گره‌ها جریان می‌یابد، تعدیل کنند، شبیه به قدرت متغیر تکانه‌های الکتریکی در مغز که شیمی مغز را شکل می‌دهند و تغییر می‌دهند.
در حال حاضر، قدرتمندترین پردازشگر نورومورفیک موجود، 16 میلیارد سیناپس را شبیه‌سازی می‌کند، اگرچه هنوز با 800 تریلیون مغز فاصله زیادی دارد. این نوع پردازنده بخش بی نهایت کوچکی از بازار است و بیشتر برای اهداف تحقیقاتی و دفاعی در نظر گرفته شده است. اما ثابت شده است که این فناوری از نظر تئوری امکان پذیر است و اگر به برخی کارشناسان اعتقاد داشته باشید، کاربردهای عملی فقط موضوع زمان است.
آنچه رایانش نورومورفیک به دنبال حل آن است
کنار آمدن با عدم قطعیت: در حال حاضر، فرآیندهای محاسباتی استاندارد در وظایف خاص، مانند تجزیه و تحلیل موقعیت ها در شرایط کاملاً مشخص، بسیار خوب هستند. نورومورفیک کامپیوترها تلاش می کنند تا کامپیوترها را در محل کار بهتر کنند عدم قطعیت. این به معنای کار با احتمالات به جای مدل های قطعی است، که به نوبه خود به ترانزیستورهای آنالوگ نیاز دارد که می توانند بیش از گزینه های باینری را بیان کنند.
یادگیری ماشینی بهبود یافته است: محاسبات نورومورفیک با اجازه دادن به کامپیوترها برای “یادگیری” از طریق مشاهده به جای برنامه نویسی، با هدف ارائه یک تحول در یادگیری ماشینی است. به عنوان مثال، یک برنامه رایانه ای که گونه های پرندگان را شناسایی می کند، در حال حاضر با دریافت میلیون ها عکس از پرندگان، برنامه ریزی می شود که همه آنها به وضوح توسط برنامه نویسان انسانی برچسب گذاری شده اند. یک کامپیوتر نورومورفیک می تواند “یاد بگیرد” که الگوها را خیلی سریع تر و با ورودی های کمتر تشخیص دهد.
بهره وری انرژی بهبود یافته است: یکی دیگر از نتایج (مورد انتظار) این فناوری بهبود بسیار کارآمد انرژی است. بر اساس برخی محاسبات، یک تراشه نورومورفیک 1000 برابر کمتر از پردازنده های سنتی که برخی از عملکردها را انجام می دهند، انرژی مصرف می کند.
قابلیت حمل بهبود یافته: با این همه قدرت محاسباتی اضافی و کارایی انرژی، تراشه های نورومورفیک می توانند توانایی کل کابینت سرورها را در یک تراشه واحد جمع کنند.
محاسبات نورومورفیک و فناوری اطلاعات سازمانی: کاربردهای بالقوه این فناوری گسترده است. خودروهای بدون راننده که می توانند رفتار نامنظم وسایل نقلیه مجاور را حس کنند و به آن واکنش نشان دهند. دستگاه های خانه هوشمند که به طور یکپارچه با رفتار یا محیط های جدید سازگار می شوند. محاسبات نورومورفیک به رایانه‌ها اجازه می‌دهد تا آنقدر سریع بیاموزند که به طور مؤثر بسیاری از برنامه‌نویسی‌ها را که در غیر این صورت مورد نیاز بود، منسوخ کنند.
برای کسب‌وکارها، این فناوری می‌تواند به معنای پیشرفت‌های عظیم در حوزه‌های مختلف باشد، از تجزیه و تحلیل داده‌های پیش‌بینی‌کننده گرفته تا اتوماسیون فرآیند و بهینه‌سازی. با این حال، به احتمال زیاد این پیشرفت ها به این زودی اتفاق نمی افتد. اتکای ما به محاسبات دیجیتال قدیمی – حداقل برای دهه آینده – باقی خواهد ماند. و چالش‌هایی که محاسبات نورومورفیک به دنبال حل آن هستند، باید (در عین حال) با ابزارهایی که امروزه شرکت‌ها در دست دارند برطرف شوند: شبکه‌های قدرتمند و خدمات فناوری اطلاعات قابل اعتماد.
اینها را می توان با کمک متخصصان شبکه مانند فناوری های کلید در دست (TTI) به دست آورد. با نزدیک به سه دهه تجربه کمک به شرکت ها برای استقرار ابزارهایی برای رفع نیازهای تجاری امروزی و در آینده، TTI ابزارها و قابلیت‌هایی را که کسب‌وکارها برای به کارگیری فناوری‌های مناسب نیاز دارند – امروز به ارمغان می‌آورد.
