Search
Close this search box.

طراحی و ساخت اولین سیناپس مصنوعی با قابلیت یادگیری خودکار

sinaps maghz96دکتر میرشهرام صفری

یک تیم از محققان پاریسی، سیناپسی مصنوعی را ساخته‌اند که از توانایی یادگیری خودکار برخوردار بوده و می‌تواند باعث بهبود سرعت یادگیری شبکه‌های عصبی مصنوعی شود.

به گزارش نوروسافاری به نقل از سایت futurism، بخش بزرگی از توسعه و پیشرفت‌های حوزه‌ی هوش مصنوعی، به تکنولوژی‌هایی وابسته بوده است که رفتار و عملکرد مغز انسان را تقلید می‌کنند. در دنیای فناوری اطلاعات، به چنین سیستم‌های هوش مصنوعی، شبکه‌های عصبی گفته می‌شود. این شبکه‌ها شامل الگوریتم‌هایی هستند که می‌توانند به گونه‌ای تنظیم شوند (یاد بگیرند) که به طور مثال رفتار مغز را در شناسایی گفتار و تصاویر تقلید کنند. با این حال، باید دانست که راه‌اندازی یک شبکه عصبی مصنوعی به زمان و انرژی زیادی احتیاج دارد.

محققان مرکز ملی تحقیقات علمی در پاریس، دانشگاه Bordeaux و کمپانی Evry، یک سیناپس مصنوعی به نام memristor را طراحی و ساخته‌اند و آن را مستقیماً روی یک chip قرار داده‌اند. این نوآوری راه را برای سیستم‌های هوشمند هموار خواهد کرد؛ سیستم‌هایی که نیاز به انرژی و زمان کمتری برای یادگیری داشته و می‌توانند به صورت خودکار یاد بگیرند.

این سیناپس مصنوعی چطور کار می‌کند؟

 در مغز انسان، سیناپس‌ها به عنوان پایانه‌های ارتباطی بین نورون‌ها عمل می‌کنند. هرچه بیشتر این سیناپس‌ها استفاده شوند (مورد تحریک بیشتری قرار بگیرند)، ارتباطات قوی‌تر شده و یادگیری سریع‌تر می‌شود. memristor نیز به همین شیوه کار می‌کند. این سیناپس مصنوعی از یک لایه‌ی نازک فِروالکتریک ساخته شده است که می‌تواند خودبه‌خود پولاریزه (باردار) شود و بین دو الکترود قرار گرفته است. میزان مقاومت آنها می‌تواند با استفاده از پالس‌های ولتاژ تنظیم شود (مانند آنچه در نورون‌های طبیعی رخ می‌دهد). ارتباط سیناپسی، زمانی که مقاومت پایین باشد، قوی خواهد بود و بالعکس. در واقع، ظرفیت یادگیری memristor بر اساس همین مقاومتِ قابل تنظیم، تعیین می‌شود.

سیستم‌های هوشمند بهتر و سریع‌تر

سیستم‌های هوش مصنوعی در سال‌های اخیر به طور چشم‌گیری توسعه یافته‌اند. شبکه‌های عصبی کنونی که با الگوریتم‌های یادگیری ساخته می‌شوند، در حال حاضر توانایی اجرای وظایف و اعمالی را دارند که سیستم‌های مصنوعی قبلی توانایی انجام آنها را نداشتند. برای مثال، سیستم‌های هوشمند کنونی توانایی ساخت موسیقی، بازی کردن (ویدئویی) و شکست بازیکنان انسانی را دارند و حتی می‌توانند مالیات‌های شما را پرداخت کنند. برخی از آنها قادرند تا رفتارهای مرتبط با (افکار) خودکشی در انسان‌ها را تشخیص دهند یا تشخیص دهند انجام چه کاری قانونی یا غیرقانونی است.

تمامی پیشرفت‌های ذکر شده را مدیون قابلیت یادگیری سیستم‌های هوش مصنوعی هستیم. تنها محدودیت موجود زمان و میزان داده‌ای است که باید برای یک سیستم هوشمند صرف شود تا به بهره‌برداری مناسبی برسد. با وجود این تکنولوژی جدید (طراحی memristor) فرآیند یادگیری به طور چشمگیری افزایش خواهد یافت. البته کار بر روی این سیناپس ادامه دارد و هدف بعدی، ارتقاء آن برای عملکرد سریع‌تر و بهتر خواهد بود. نتایج تحقیقات این تیم تحقیقاتی در ژورنال Nature Communication به چاپ رسیده است.

ترجمه: سید محمدرضا گواهی
لینک گزارش خبری در سایت futurism:
We Just Created an Artificial Synapse That Can Learn Autonomously

لینک مقاله پژوهشی در ژورنال Nature Communication:
Learning through ferroelectric domain dynamics in solid-state synapses