حمیدرضا تائبی
شبکههای عصبی دستاوردهای مهمی برای دنیای علم ارمغان آورده‌اند، اما مشکل اصلی، بزرگ بودن و انرژی بالایی است که نیاز دارند. همین موضوع باعث به‌وجود آمدن محدودیت‌های زیادی می‌شود؛ اما آی‌بی‌ام می‌گوید: مشکل را حل کرده است.
شبکههای عصبی در سال‌های اخیر پیشرفت‌های خیره‌کننده‌ای داشته‌اند؛ دستاوردهای بزرگ به دست آمده در این حوزه، بیان‌گر رشد هوش‌مصنوعی است. امروز به لطف شبکههای عصبی، سیستم‌ها توانایی توصیف و شناسایی تصاویر، ترجمه گفتار و اجرای بازیهای ویدئویی را دارند. در کنار ویژگی‌هایی که به آنها اشاره شد، این سیستم‌ها با یک‌سری مشکلات روبرو هستند. کند بودن و بزرگ بودن از معایب شبکههای عصبی به شمار می‌رود. به عنوان مثال اگر نرم‌افزاری شبیه به DeepDeam را که بر پایه شبکه عصبی کار می‌کند روی کامپیوتر شخصی خود اجرا و از آن برای شناسایی یک تصویر استفاده کنید، باید نزدیک به ده دقیقه منتظر بمانید تا فرآیند تشخیص به پایان برسد؛ اما مشکل تنها در ارتباط با طولانی بودن زمان تحلیل‌ها نیست.
آیا تا به حال از دست‌یاران شخصی مانند Google Now یا سیری برای جست‌وجو و دریافت نتایج استفاده کرده‌اید؟ این دست‌یاران شخصی برای آن‌که بتوانند تعامل خوبی با کاربر خود برقرار کنند، نیازمند ارتباط با سرور‌ها و ابرکامپیوترهایی هستند که اطلاعات شما را پردازش کرده و نتایج را به شما نشان دهند. ما در پرونده ویژه هوش مصنوعی به تفصیل نشان دادیم که دست‌یار شخصی اپل چه‌گونه فرآیند تشخیص گفتار و پردازش محاوره‌های کاربر را انجام می‌دهد. این فرآیند رفت و برگشت اطلاعات به سرور به‌طور معمول زمان‌بر است. همین موضوع باعث می‌شود فاصله زیادی تا رسیدن به شرایطی داشته باشیم که گوشی تلفن شما توانایی اجرای میلیون‌ها نورون مبتنی بر فناوری شبکههای عصبی را داشته باشد. فناوری‌هایی شبیه به رایانش کوانتومی این روزها کانون توجه قرار گرفته است و شرکت‌هایی هم‌چون گوگل و سازمان فضایی ناسا به تازگی از نسل دوم سیستم‌های D-Wave موسوم به D-wave 2x در زمینه یادگیری ماشینی استفاده می‌کنند و حتی گوگل در حال ساخت آزمایشگاه هوش‌مصنوعی کوانتومی خود است؛ هرچند حداقل یک دهه تا پیاده‌سازی کامل و موفق این فناوری به صورت عمومی زمان باقی است. بسیاری از شرکت‌ها سال‌ها است فعالیت‌های خود را در این زمینه متمرکز کرده‌اند تا موانع پیش‌رو را بردارند و روند تجاری‌سازی این فناوری را آغاز کنند. در این بین آی‌بی‌ام همواره پیش‌رو بوده است. آی‌بی‌ام به تازگی اعلام کرده، پیشرفت‌هایی در این زمینه به دست آورده است.
یک مغز درون یک بسته
اندازه مجموعه‌ای که آی‌بی‌ام طراحی کرده است با اندازه یک یخچال کوچک یا یک قفسه دارو برابری می‌کند. درون این مجموعه 48 بسته کوچک، که اندازه‌ای در حد یک هارددیسک کامپیوتری دارند، قرار گرفته است. این جعبه‌ها شامل تراشه‌های کامپیوتری هستند که کمی عجیب و غریب به نظر می‌رسند. آی‌بی‌ام این تراشه‌ها را TrueNorth نامیده است. این تراشه‌ها مختص کار در شبکههای عصبی طراحی شده‌اند. هسته اصلی این تراشه‌ها از سیلیکون و آنالوگ‌های فیزیکی است که شامل نورون‌ها و سیناپس‌ها هستند. سیناپس‌ها وظیفه برقراری ارتباط، میان سلول‌های عصبی را بر عهده دارند. هر تراشه شبیه‌سازی شده در حدود یک میلیون نورون را به همراه 256 سیناپس که مابین آنها قرار دارد، در خود جای داده‌است. در مجموع 48 میلیون نورون سیلیکونی، که از تعداد نورون‌های درون قشر مغز یک موش بیش‌تر است. همان‌گونه که ممکن است حدس زده باشید، این تراشه‌ها بیش از دو برابر مغز یک موش قدرتمند هستند (مغز یک موش حداکثر 21 میلیون نورون دارد). همین موضوع قدرت یادگیری این جعبه کوچک را شگفت‌انگیز کرده است (حال تصور کنید آی‌بی‌ام موفق شود تعداد نورون‌ها را در حد مغز یک انسان افزایش دهد).
به جای استفاده از نرم‌افزاری برای شبیه‌سازی رفتار یک شبکه عصبی، این تراشه‌ها می‌توانند به‌طور مستقیم و خارج از سیلیکون، نورون‌ها را ایجاد کنند. این‌کار مزیت‌های بسیاری دارد. به‌طور معمول یک شبکه عصبی با دو چالش بزرگ روبرو است؛ اول آن‌که پیاده‌سازی شبکههای عصبی به فضای زیادی نیازمند است و دوم آن‌که یک شبکه عصبی نیازمند انرژی بالایی است و معادل یک بلوک شهری به انرژی الکتریکی نیاز دارد (درست همانند روزهای اولیه ساخت کامپیوترها)؛ اما آی‌بی‌ام توانسته است این دو مشکل بزرگ را حل کند. محصول آی‌بی‌ام تنها به 73 میلی وات انرژی نیاز دارد؛ به عبارت دیگر انرژی مورد استفاده این تراشه معادل یک صدم انرژی مورد استفاده در پردازنده‌های قدرتمند اینتل است؛ به‌‌طوری که باتری یک اسمارت‌فون مدت یک هفته توانایی سرویس‌دهی به این تراشه‌ها را خواهد داشت. 48 پردازنده به احتمال زیاد، به انرژی کم‌تر از یک کامپیوتر شخصی نیاز خواهند داشت.
پیش به سوی موبایل‌های هوشمند
هر چند آی‌بی‌ام به فناوری تولید تراشه‌ها در مقیاس کوچک و انرژی پایین، دست پیدا کرده است؛ با استانداردهای لازم برای به کارگیری در اسمارت‌فون‌ها فاصله زیادی دارد. این تراشه‌ها برای آن‌که بتوانند از سوی تولیدکنندگان مختلفی نظیر اسمارت‌فون‌ها، سازندگان خودروهای هوشمند و هواپیماهای بدون سرنشین مورد استفاده قرار گیرند، باید باز هم کوچک‌تر شده و مصرف انرژی آنها کاهش پیدا کند. اگر آی‌بی‌ام موفق شود از این مرحله عبور کند، آن‌گاه اسمارت‌فون‌های شما به معنای واقعی کلمه، هوشمند خواهند شد و جهشی خیره کننده را در هوش مصنوعی رقم خواهند زد.
مشکل دیگری که این تراشه‌ها با آن روبرو هستند عدم یادگیری است. متأسفانه در مقطع فعلی، این تراشه‌ها به شبکه اجازه یادگیری با شتاب‌دهنده سخت‌افزاری را نمی‌دهد. شما هنوز هم به ابرکامپیوترهای سنتی وابسته هستید که به شبکه اجازه یادگیری و سپس انجام وظیفه می‌دهند؛ با این‌حال، زمانی که یک شبکه آموزش داده شود، از تراشه ساخت آی‌بی‌ام برای انجام آن می‌توان استفاده کرد.
در آینده این تراشه‌ها ممکن است توانایی پیاده‌سازی الگوریتم‌های یادگیری خودشان را درون سخت‌افزار داشته باشند؛ به این معنی که یادگیری را با استفاده از الگوریتم‌های یادگیری به صورت درون شبکه‌ای انجام دهند. آن‌گاه ما موفق به ساخت مغزهای متفکر الکترونیک خواهیم شد (آینده‌ای که پروفسور استیون هاوکینگ همواره در مورد آن هشدار می‌دهد)؛ اما هنوز به درستی مشخص نیست این جهش فناورانه چه مدت طول خواهد کشید. نیازی به گفتن نیست که این تراشه‌ها نیازمند راه‌کارهای جدیدی هستند که بتوانند با نرم‌افزارها تعامل و هم‌فکری داشته باشند؛ به همین دلیل آی بی ام از 30 دانشمند برجسته از سراسر جهان دعوت کرده است از این سیستم توسعه‌یافته دیدن کنند و برای پیاده‌سازی نرم‌افزار بهینه‌سازی شده بر مبنای این تراشه‌ها همکاری داشته باشند. دانشمندان دعوت شده باید راهی پیدا کنند که منجر به ساخت نرم‌افزارهای قدرت‌مندی برای تراشه‌های ارگانیک شود.
تراشه‌ای برای تمام فصول
اگر شایعات پایان یافتن قانون مور درست باشد، این فناوری به‌طرز قابل توجه ای اهمیت پیدا خواهد کرد. تکامل مغزهای متفکر الکترونیک باعث می‌شوند تعامل کامپیوتر و انسان به صورت دو طرفه برقرار شود؛ در نتیجه پرده از معماهایی چون سیاه‌چاله‌ها، زیست‌شناسی و ویروس‌ها برداشته خواهد شد.
همان‌گونه که اشاره کردیم، اگر دانشمندان و آی‌بی‌ام موفق به پیاده‌سازی الگوریتم‌های فکری شوند و قدرت تراشه‌های آی‌بی‌ام افزایش پیدا کند، با استفاده از 2000 بسته 48 تایی از تراشه‌های TureNorth، ما برای نخستین بار توانایی شبیه‌سازی مغز انسان را که بیش از 100 میلیارد نورون در خود جای داده است، خواهیم داشت؛ اما 2000 بسته 48 تایی از این تراشه به معنای فضایی در حد یک اتاق و انرژی‌ای معادل یک خودروی الکتریکی خواهد بود. TureNorth برای این منظور نمی‌تواند مورد استفاده قرار گیرد؛ اما بی تردید نخستین گام برداشته شده است