شبکههای ریزسیمهای نقره برای یادگیری و یادآوری مانند مغز انسان، ظاهر میشوند
24 آوریل 2023
در حدود یک سال گذشته، مدلهای مولد هوش مصنوعی مانند ChatGPT و DALL-E تولید مقادیر زیادی از محتوای خلاقانه با کیفیت بالا و ظاهراً شبیه انسان را از طریق یک سری دستورات ساده، ممکن کردهاند.
از تکامل تا مغز، از مغز تا تکامل هوش- قسمت شانزده
اگرچه سیستمهای هوش مصنوعی فعلی بسیار توانمند هستند و بهویژه در وظایف تشخیص الگوی دادههای بزرگ، بسیار بهتر از انسان عمل میکنند، سیستمهای هوش مصنوعی فعلی، مانند ما هوشمند نیستند. (به عبارتی هوشیار نیستند.)
سیستمهای هوش مصنوعی، ساختاری مانند مغز ما ندارند و به همان شیوه، یاد نمیگیرند.
سیستمهای هوش مصنوعی همچنین از مقادیر زیادی انرژی و منابع، برای آموزش استفاده میکنند.(در مقایسه با فقط سه وعده ی غذایی روزانه ی ما!).
توانایی هوش مصنوعی، برای انطباق و عملکرد در محیط های شلوغ و پویا- که پیش بینی آن سخت است- در مقایسه با ما ضعیف میباشد و آنها فاقد قابلیت های حافظه ی انسانی هستند.(مغز انسان، با داشتن میلیاردها سلول عصبی، بسیار منعطف است. این مغز طی تکامل مادی توانسته است قدرت انطباقی فراوانی پیدا کند؛ به گونه ای که هر نورون می تواند با دهها نورون دیگر از طریق مواد شیمیایی و گیرنده های پروتئینی- که در جنس و قابلیت تحریک و مقدار ترشح قابلیت انعطاف فراوان دارد- ارتباط برقرار کند.
این، یعنی قابلیت انعطاف، فقط وابسته به تغییر شکل سلول نیست بلکه میتواند با واسطه های بین سلولی زیادی، قدرت شگفت آوری از سازگاری و انطباق را ایجاد کند. نگاه شود مقاله یترانزیستورهای زیستی(قسمت سوم)
تحقیقات ما سیستمهای غیربیولوژیکی را- که بیشتر شبیه مغز انسان هستند- بررسی میکند.
در مطالعه ی جدیدی که در Science Advances منتشر شد، متوجه شدیم شبکههای خودسازماندهی شونده از سیمهای نقرهای ریز، شبیه به سختافزار تفکر در ذهن ما یاد میگیرند و به یاد میآورند.
تقلید از مغز
کار ما بخشی از یک زمینه ی تحقیقاتی به نام neuromorphics است که هدف آن، بازسازی ساختار و عملکرد نورونهای بیولوژیک و سیناپسها در سیستمهای غیربیولوژیکی است.
تحقیقات ما بر روی سیستمی متمرکز است که از شبکه ای از ریزسیم برای تقلید نورون ها و سیناپس ها در مغز استفاده می کند.
این ریزسیمها، سیمهای کوچکی هستند که عرض آن، یک هزارم موی انسان است. آنها از یک فلز بسیار رسانا یعنی نقره ساخته شده اند و معمولاً با یک ماده ی عایق مانند پلاستیک پوشانده شده است.
تصویر سمت چپ: تصویر میکروسکوپی از شبکه های نانوسیم نقره.
سمت راست: مسیرهای تقویت شده و هرس شده (تضعیف شده) در شبکه های ریزسیم. (لوفلر و همکاران)
نانوسیمها برای تشکیل ساختار شبکهای شبیه به شبکه ی عصبی بیولوژیکی تشکل می یابند و جمع میشوند!
مانند نورون ها که دارای غشای عایق هستند، هر نانوسیم فلزی با یک لایه ی عایق نازک، پوشیده شده است.
وقتی نانوسیمها را با سیگنالهای الکتریکی تحریک میکنیم، یونها در سرتاسر لایه ی عایق، به نانوسیم همسایه مهاجرت میکند.(مانند انتقالدهندههای عصبی در سیناپسها)؛ نتیجه اینکه سیگنالهای الکتریکی سیناپس مانند را در شبکههای نانوسیم مشاهده میکنیم.
یادگیری و حافظه
کار جدید ما، از این سیستم نانوسیم برای بررسی مسئله ی هوش شبیه انسان، استفاده می کند.
محور تحقیقات ما دو ویژگی است که نشان دهنده ی عملکرد شناختی مرتبه ی بالا است: یادگیری و حافظه.
مطالعه نشان میدهد میتوانیم به طور انتخابی مسیرهای سیناپسی را در شبکههای ریزسیم، تقویت(و تضعیف) کنیم. این شبیه یادگیری تحت نظارت در مغز است.
در این فرآیند، خروجی سیناپس ها با یک نتیجه ی مطلوب، مقایسه می شود. سپس سیناپس ها تقویت می شوند(اگر خروجی آنها به نتیجه ی مطلوب نزدیک باشد) یا هرس می شوند (اگر خروجی آنها به نتیجه ی مطلوب نزدیک نباشد).(نوعی بازخورد- که باعث بهبود عملکرد در مغز و سیستم عصبی میشود- و در حقیقت نوعی سازگاری با محیط در جهت بقای بیشتر در جایی است که فرد زندگی می کند.)
ما این نتیجه را با نشان دادن اینکه میتوانیم با «پاداش دادن» یا «تنبیه» شبکه، میزان تقویت را افزایش دهیم، گسترش دادیم.
این فرآیند از یادگیری تقویتی در مغز، الهام گرفته است.
ما همچنین نسخه ای از آزمایشی به نام n-back task را اجرا کردیم که برای اندازه گیری حافظه ی کاری در انسان، استفاده می شود و شامل ارائه یک سری از محرک ها و مقایسه ی هر ورودی جدید با یکی از مواردی است که چند مرحله 👎 قبل، رخ داده است.
شبکه، سیگنال های قبلی را حداقل برای هفت مرحله به خاطر می آورد.
عجیب است که 7 اغلب به عنوان میانگین تعداد مواردی- که انسان می تواند در یک زمان در حافظه ی کاری خود نگه دارد- در نظر گرفته می شود.
زمانی که از یادگیری تقویتی RL استفاده کردیم، شاهد پیشرفت های چشمگیری در عملکرد حافظه ی شبکه بودیم.
در شبکههای ریزسیمی، ما دریافتیم که شکلگیری مسیرهای سیناپسی، بستگی به نحوه ی فعال شدن آن سیناپسها در گذشته دارد. این در مورد سیناپسهای مغز نیز صادق است و دانشمندان علوم اعصاب، آن را متاپلاستیسیتی مینامند.
هوش سنتتیک
هوش انسانی هنوز فاصله ی زیادی با سنتز و همانندسازی دارد.
با این حال، تحقیقات ما بر روی شبکههای نانوسیم نورومورفیک، نشان میدهد که امکان پیادهسازی ویژگیهای ضروری برای هوش - مانند یادگیری و حافظه - در سختافزار غیربیولوژیکی و فیزیکی، وجود دارد.
شبکههای ریزسیم با شبکههای عصبی مصنوعی مورد استفاده در هوش مصنوعی، متفاوت هستند.
با این حال، آنها ممکن است منجر به هوش سنتتیک شوند.
شاید یک شبکه ی ریزسیم نورومورفیک، روزی یاد بگیرد مکالماتی داشته باشد که بیشتر از ChatGPT شبیه انسان است و آنها را به خاطر بسپارد.
نویسندگان مقاله: آلون لوفلر ، محقق دکترای دانشگاه سیدنی و زدنکا کونچیچ ، استاد فیزیک دانشگاه سیدنی https://www.sciencealert.com/networks-of-silver-nanowires-appear-to-learn-and-remember-like-the-human-brain?fbclid=IwAR3SceCONUq0a_OdCvxfVO1swbyoXg8-J4SHWQDx6t5at6E9Xox7UHonYdk
آدرس مطب : اصفهان ، خیابان آمادگاه ، روبروی داروخانه سپاهان ، مجتمع اطبا ، طبقه اول
تلفن : 32223328 - 031