مغز الکترونیک یا هوش مصنوعی الهامگرفته از معماری عصبی مغز انسان، در حال تبدیل شدن به یکی از transformative technologies در عصر حاضر است. این فناوری با استفاده از شبکه های عصبی مصنوعی، محاسبات نورومورفیک و رابطهای مغز-رایانه، نه تنها در حال متحول کردن صنایع مختلف است، بلکه مرزهای بین هوش انسان و ماشین را نیز در مینوردد. این مقاله به بررسی جامع مبانی علمی، کاربردهای عملی، چالشهای پیشرو و چشم انداز آینده این فناوری میپردازد و نقش آن در شکلدهی به دنیای هوشمند فردا را تحلیل میکند.
هوش مصنوعی به عنوان شاخهای از علوم کامپیوتر defined میشود که هدف آن ساخت ماشینها و سیستمهای هوشمندی است که توانایی درک، یادگیری، استدلال و عمل در محیطهای پیچیده را داشته باشند . در دهه های اخیر، تحولات چشمگیری در این حوزه رخ داده است، اما هنوز شکاف قابل توجهی بین هوش مصنوعی مبتنی بر الگوریتم های مرسوم و قابلیت های شناختی مغز انسان وجود دارد.
مغز الکترونیک به عنوان پارادایم جدیدی در این حوزه، با الهامگیری مستقیم از ساختار و عملکرد مغز زیستی، در پی کاهش این شکاف است. این رویکرد تنها به تقلید از هوش انسان در سطح نرم افزاری بسنده نمیکند، بلکه در سطح سخت افزاری و معماری نیز به شبیهسازی مغز میپردازد . از شبکههای عصبی مصنوعی که تا حدودی مشابه ساختار عصبی مغز انسان طراحی شدهاند تا تراشه های نورومورفیکی که مصرف انرژی را به شدت کاهش میدهند همگی در این چارچوب جای میگیرند.
شبکههای عصبی مصنوعی را میتوان تا حدودی، مشابه ساختار عصبی مغز انسان فرض کرد. هدف از ایجاد آنها، شبیه سازی سلول های مغزی به وسیلهٔ رایانه است تا بتواند یادگیری، شناسایی الگوها و تصمیمگیری انسانگونه را انجام دهد . این شبکه ها از واحدهای محاسباتی به نام نورون تشکیل شدهاند که در لایه های مختلف سازماندهی شده و با اتصالات وزندار (شبیه سیناپسهای مغز) به هم مرتبط میشوند.
یادگیری عمیق به عنوان زیرمجموعه ای از یادگیری ماشین، از شبکه های عصبی با ساختار عمیق و پیچیده استفاده میکند. این الگوریتم ها با تعداد بالای لایه ها و وزنهای متعدد در شبکه های عصبی، توانایی یادگیری نمایشهای پیچیده و سطح بالا از داده را دارا میشوند . این قابلیت، امکان حل مسائل پیچیدهای مانند پردازش زبان طبیعی، تشخیص تصویر و تحلیل دادههای چند بعدی را فراهم ساخته است.
محاسبات نورومورفیک یک نوآوری بنیادین در حوزه سختافزارهای هوش مصنوعی است که به طور خاص برای شبیهسازی معماری عصبی مغز طراحی شده است. برخلاف معماریهای مرسوم که بر پایه معماری فون نویمان کار میکنند، سیستم های نورومورفیک از شبکه های عصبی اسپایکینگ و پردازش رویدادمحور استفاده میکنند .
مهمترین مزیت این معماری، کارایی انرژی فوق العاده بالا است. به عنوان مثال، تراشههای نورومورفیکی مانند “اسپیک” که توسط دانشمندان آکادمی علوم چین توسعه یافته، تنها ۰/۴۲ میلی وات در حالت بیکاری مصرف میکنند که مصرف انرژی آن را تقریباً ناچیز میکند . برای مقایسه جالب توجه است بدانیم مغز انسان با میلیاردها نورون، تنها با حدود ۲۰ وات توان کار میکند که بسیار کارآمدتر از سیستمهای هوش مصنوعی مبتنی بر ترانسفورماتور امروزی است .
رابط مغز-رایانه یک دستگاه ارتباطی سخت افزاری و نرم افزاری است که به واسطه آن رایانه ها فعالیت های ذهنی را کنترل میکنند . هدف اصلی در تحقیق و توسعه BCI به عنوان ابزاری جهت ارتباط افرادی است که دچار سکته مغزی، اختلالات عصبی و عضلانی، ضایعات نخاعی شدهاند و امکان ارتباط با محیط پیرامون را ندارند .
یک رابط مغز-رایانه باید قادر باشد سیگنال های دریافتی از مغز را به دستورات کنترل تبدیل نماید. مراحل مختلف در تبدیل این سیگنال ها شامل کسب سیگنال، پیش پردازش، افزایش سیگنال، استخراج ویژگی و طبقه بندی است. این فناوری اکنون از مرحله تحقیقاتی فراتر رفته و در کاربردهای پزشکی و توانبخشی مورد استفاده قرار میگیرد.
جدول: مقایسه تراشههای نورومورفیک پیشرو در بازار جهانی
| نام تراشه | شرکت توسعه دهنده | کاربردهای عمده | مصرف انرژی |
|---|---|---|---|
| لوییی ۲ | اینتل | پروتزهای هوشمند، اتوماسیون صنعتی، هوش مصنوعی لبه | ۱۰ برابر کارآمدتر از پردازندههای گرافیکی |
| ترونورث | آی بی ام | پهپادها، تصویربرداری پزشکی، شهرهای هوشمند | ۷۰ میلی وات برای هر وظیفه |
| اسپیک | ساین سنس | پوشیدنیهای هوشمند، رباتیک، مراقبتهای بهداشتی | ۹۰٪ صرفه جویی در انرژی |
| آکیدا | برین چیپ | خودروهای خودران، امنیت، اینترنت اشیا | بهینه برای پردازش لبه |
پروژه اسپایکینگ برین-۱ (SpikingBrain-1.0): یک تیم تحقیقاتی از آکادمی علوم چین، مدل هوش مصنوعی در مقیاس بزرگ SpikingBrain-1.0 را راه اندازی کرده که کاملاً بر روی پردازندههای گرافیکی توسعه یافته داخلی آموزش دیده است . این مدل بر خلاف سیستمهای هوش مصنوعیکه به مجموعه داده های عظیم و قدرت محاسباتی نیاز دارند، از رویکرد نورون های اسپایکینگ استفاده میکند که به طور قابل توجهی کارآمدتر از نظر انرژی است.
نورالینک (Neuralink): ایلان ماسک با تأسیس شرکت نورالینک در حال توسعه فناوریهای رابط مغز-رایانه است. این شرکت قصد دارد از این فناوری برای درمان تومورهای مغزی حاد و ضایعات ناشی از سکته و سرطان بهره گیرد . اگرچه نورالینک هنوز در ابتدای راه است، اما نمونه اولیه آن نشان دهنده پتانسیل بالای این فناوری است.
کرنل (Kernel): این شرکت از چیپهای کوچک برای درمان بیماری پارکینسون بهره میگیرد . در این شرکت، دانشمندان علوم عصبی و مهندسین گرد هم آمدهاند تا روند پیشرفت بیماریهای مخرب عصبی را با تعبیه چیپ های کوچک در مغز، معکوس سازند.
هوش مصنوعی نقش اساسی در حوزه سلامت ایفا میکند. استفاده از رباتهای هوش مصنوعی در عملهای جراحی، خودکارسازی فرآیند نوبت دهی به بیماران، کمک به نسخه نویسی پزشکان و تحقیقات پزشکی از جمله این کاربردها است . تراشه های نورومورفیک نیز در بخش تصویربرداری پزشکی تحول ایجاد کردهاند؛ به طوری که تراشه ترونورث آی بی ام میتواند تجزیه و تحلیل اسکن های پزشکی را ۵۰ درصد سریعتر از سیستم های مرسوم انجام دهد .
سیستم های نورومورفیک در بهینه سازی جریان ترافیک، مدیریت انرژی و افزایش ایمنی عمومی در شهرهای هوشمند کاربرد دارند. در منطقه شیونگان چین، این فناوریها توانسته اند مصرف انرژی شهری را تا ۱۵ درصد کاهش دهند . توانایی پردازش داده های حجیم در زمان واقعی با مصرف انرژی پایین، این سیستم ها را به گزینهای ایده آل برای مدیریت کلانشهرهای آینده تبدیل کرده است.
در خودروهای خودران، تراشه های نورومورفیک داده های حسگرها را برای تصمیم گیری در کسری از ثانیه پردازش میکنند. گزارشها حاکی از آن است که این تراشه ها ۴۰ درصد تأخیر را در مقایسه با معماری های مرسوم کاهش میدهند که این امر ایمنی خودروهای خودران را به طور قابل توجهی افزایش میدهد . شرکت مرسدس بنز در حال حاضر در حال بررسی استفاده از تراشه آکیدا برای برنامههای هوش مصنوعی درون وسیله نقلیه است.
رباتیک شاخه ای میان رشته ای از مهندسی و علم است که شامل مهندسی مکانیک، مهندسی برق و علوم کامپیوتری و چند رشته دیگر میباشد. ربات های مجهز به فناوری های نورومورفیک از قابلیت ناوبری با تأخیر کم و پردازش حسی بلادرنگ برخوردارند. در رباتیک اسپات شرکت بوستون داینامیکس که از حسگرهای نورومورفیک استفاده شده، دقت در رباتیک صنعتی ۳۰ درصد بهبود یافته است .
پیش بینی میشود تا سال ۲۰۳۰ میلادی، پیوند مغز انسان با هوش مصنوعی به واقعیتی عادی و روزمره بدل گردد . «میخائیل لبدوف» محقق ارشد دانشگاه دوک آمریکا که اخیراً مجموعه ای ارزشمند از ۱۵۰ مقاله در حوزه «تقویت مغز» را منتشر ساخته، بر این باور است که این آرزوی بزرگ تا کمتر از یک دهه آینده محقق خواهد شد .
رای کرزویل، یکی از مدیران اجرایی گوگل پیش بینی میکند که تا سال ۲۰۳۰ میلادی، نانوباتها از طریق مویرگها وارد مغز انسان شده و واقعیت مجازی کاملاً فراگیر و عمیق را از طریق اتصال نئوکورتکس مغز به کلاد فراهم میسازند . جالب توجه است که پیش بینی های کرزویل از دهه ۹۰ میلادی تا به امروز، در ۸۶ درصد موارد به واقعیت پیوسته است.
بازار محاسبات نورومورفیک تا سال ۲۰۳۰ به ۸/۳ میلیارد دلار خواهد رسید و پیش بینی میشود که ۳۰ درصد از دستگاه های هوش مصنوعی لبه را تا سال ۲۰۳۰ نیرودهی کند . تراشه های نسل بعدی مانند لوییی ۳ و اسپیک ۲/۰ سرعت پردازش را ۲۵ درصد نسبت به نسل فعلی افزایش خواهند داد.
فناوریهای مغز الکترونیک تنها به درمان بیماریها محدود نخواهند شد، بلکه به تقویت قابلیت های شناختی انسان نیز خواهند پرداخت. در حال حاضر میتوان از محرکهای الکترونیکی برای ایجاد حسهای مصنوعی در مغز استفاده کرد که پتانسیل بالایی را در زمینه بهبود عملکردهای شناختی به همراه دارد . برای مثال، میتوان بینایی را به افراد بازگرداند، یا احساس لامسه را در اعضای بدن به وجود آورد. عملکردهای شناختی همچون حافظه که به مرور زمان تحلیل میروند نیز قابل ارتقا هستند .
ادغام ذهن انسان با سیستم های هوشمند، یکی از پیشرفته ترین و مناقشه برانگیزترین حوزه های پژوهشی در جهان معاصر است که به طور بالقوه میتواند انقلابی در پزشکی، آموزش، ارتباطات و قابلیت های شناختی انسان ایجاد کند . با این حال، این فناوری مسائل مهمی چون حریم خصوصی دادههای عصبی، خطرات مرتبط با ایمنی و پایداری ایمپلنت ها، و پیامدهای فلسفی ادغام هوش مصنوعی با ذهن انسان را به همراه دارد .
نکته حائز اهمیت این است که علیرغم پتانسیل عظیم این فناوری ها در ارتقای کیفیت زندگی و حل مشکلات پیچیده انسانی، ایجاد چارچوبهای قانونی و اخلاقی برای جلوگیری از سوءاستفاده و حفظ هویت انسانی ضروری است . همچنین همکاری میان رشته ای میان علوم اعصاب، هوش مصنوعی و علوم انسانی برای ایجاد چشم اندازی متوازن از همزیستی انسان و ماشین امری حیاتی است.
مغز الکترونیک به عنوان تجسمی از همگرایی و هوش مصنوعی، در حال گذار از قلمرو داستان های علمی-تخیلی به واقعیت های فناورانه است. این حوزه با استفاده از معماری های نورومورفیک، رابطه ای مغز-رایانه و شبکه های عصبی پیشرفته، نه تنها در حال متحول کردن صنایع و خدمات است، بلکه خود مفهوم انسانیت و مرزهای بین هوش انسانی و ماشینی را نیز مورد بازتعریف قرار میدهد.
