Budite poput osobe. Strojevi za ljude, ljudi za strojeve

Možemo jedni drugima dati mnogo. Ili smo zapravo već dali. O tome svjedoče nebrojena biomimetička tehnička rješenja koja oponašaju procese u strojevima povezanim s ljudskim organizmima i mnogim drugim živim bićima. S druge strane, priča o tome kako nas strojevi podržavaju toliko je očita da se čini trivijalnom.

Najambiciozniji dio biomimetizam postoje pokušaji rekreacije u neživom svijetu. Mozak ne treba središnju procesorsku jedinicu (CPU) ili tvrdi disk. Djeluje tako da otvara i zatvara živčane membrane i šalje valove nabijenih iona. Ti valovi uzrokuju promjene u živčanim završecima koji omogućuju funkcioniranje mozga, proces koji se naziva sinaptička plastičnost koji nam omogućuje učenje i obradu informacija.

Hipotetski umjetni računalni konstrukti koji oponašaju ljudski mozak nazivaju se "neuromorfno" - ovaj pojam osmislio je 80-ih godina američki znanstvenik Carver Mead. Bio je poznat po svojim pokušajima oponašanja neurona posebno konfiguriranim tranzistorskim krugovima. Znanstvenici diljem svijeta već dugo rade na sustavima koji rade poput ljudskog mozga. Iz tog razloga se ponekad nazivaju umjetnim mozgovima.

Što može učiniti s čime se ni najnapredniji sustav umjetne inteligencije još uvijek ne može nositi? Na primjer, može brzo prikupiti mnogo kaotičnih informacija u smislene zaključke. Zato izgradnja računala koje može simultano obraditi i snimati informacije – poput mozga koji trenutno analizira i pohranjuje velike količine podataka – jedan je od najvećih tehnoloških izazova današnjice.

Kao pravi neuroni

Sva tradicionalna računala i uređaji slični računalima temelje se na arhitekturi koju je razvio John von Neumannu kojem su procesorski i memorijski sustavi odvojeni jedan od drugog. Ovo je zgodno rješenje kada želimo da stroj radi u različitim programima. Međutim, procesori, kada rade, posežu za podacima iz memorije, a prijenos se nastavlja. Računalna jedinica koja čeka podatke često ostaje neaktivna.

Volumen podataka iz baza podataka koje su stvorili ljudi i strojevi (koje djeluju unutar Interneta stvari) trenutno je ogroman. Von Neumannova arhitektura postaje usko grlo u tim procesima. Američko ministarstvo energetike procjenjuje da računalna obrada podataka trenutno troši između 5 i 15% svjetske proizvodnje energije, uključujući dosta za sam prijenos. Može se poboljšati tijekom godina kvantne i fotonske metodekoji zahtijevaju manje energije, brže i učinkovitije. Međutim, njihova uporaba i dalje ostaje obećavajući smjer. Stručnjaci sve više pažnje posvećuju rješenjima koja nudi ljudski mozak.

NS16e matična ploča sa šesnaest IBM TrueNorth procesora

Pokušaji stvaranja fleksibilnih i učinkovitih učenika neuronske mreže poduzete od 50-ih. Vrhunac dostignuća na ovom području je Googleov DeepMind koji je 2016. godine pobijedio velemajstora igre “Go”. Međutim, ovaj sintetički mozak je softverska simulacija neuronske mreže, a fizički se izračuni još uvijek izvode u silicijskim sustavima. Dakle, usko grlo von Neumanna ovdje nije prevladano.

Fizički, neuronska mreža oponaša IBM neuromorfni procesor tzv Pravi sjeverizgrađena 2014. Problem je u tome što bi, ako bi svojom arhitekturom stvorio potpuno sintetički ekvivalent mozga, takvom računalu trebalo 10. puta više energije nego što radi u ljudskoj glavi... Osim toga, TrueNorth, iako može prepoznati jednostavne slike, ne funkcionira kao veze između neurona i sinapsi. Nije u stanju ojačati određene veze u procesu učenja.

Intel već nekoliko godina radi na tehnologiji neuromorfnog procesora kako bi oponašao način na koji ljudski mozak radi. Na kraju se pohvalio prvim uređajem ovog tipa. Eksperimentalno čipset pod nazivom Loihi 2018. prelazi na vodeća sveučilišta i istraživačke institute posvećene razvoju umjetne inteligencije. Tvrtka piše: "Intel je izumio prvi takve vrste, samoučeći neuromorfni čip, kodnog imena Loihi, koji oponaša način na koji ljudski mozak radi djelujući na principu podražaja različite snage primljenih iz okoline." Procesor se sastoji od 130 tisuća. silicijskih "neurona" povezanih sa 130 milijuna "sinapsa". Prema Intelu, tisuću puta je energetski učinkovitiji od konvencionalnih strojeva za učenje.

Izbjegavajte silikon

TrueNorth čipovi ili Intelovo rješenje i dalje se drže silicija, što ima svojih prednosti, ali u pogledu energetske učinkovitosti ne odgovara organskoj tvari živčanih stanica. Stoga znanstvenici rade na potpuno različitim modelima neuromorfnih računala koji će oponašati plastičnost mozga i omogućiti procesorima da oponašaju sinaptičku funkciju, na primjer, koristeći fazni prijelaz u određenim materijalima koji se tope i skrućuju na određenim temperaturama, uz zadržavanje sposobnosti za pohranjivanje i oslobađanje velikih količina energije.

Prošlog ljeta skupina znanstvenika predvođena Evangelos Eleftheriou iz IBM-ovog laboratorija u Zürichu izvijestila je u Nature Nanotechnology da je uspjela graditi umjetna verzija neurona. Sastoji se od sloja germanij-antimon telurida između elektroda. Ovdje se koristi fazna promjena ovog materijala, koja, ovisno o primijenjenom naponu, prelazi iz izolatora u poluvodič, a zatim u vodič. Prema istraživačima, ovo oponaša fluktuacije u ponašanju neurona. Postoje i drugi projekti u kojima na promjene faza u umjetnim sinapsama utječe svjetlosni val, što znači znatno manju potrošnju energije. Dakle, ovo nije jedino predloženo rješenje.

Istraživači sa Sveučilišta Southampton pokazali su krajem 2016. da memristori i otpornici mogu zapamtiti svoje prethodne vrijednosti otpora i da se mogu koristiti za izgradnju složenih i naprednih neuronskih mreža. Kao dio svojih eksperimenata, pripremili su mrežu memristora na bazi metalnih oksida i koristili ih kao umjetne sinapse.

Ilustracija veza između neurona i dendrita

Kao rezultat toga, pokrenuli su proces učenja bez vanjskog uplitanja – baš kao što se to događa u ljudskom mozgu. Memristori koje su stvorili znanstvenici ne samo da troše manje energije od prethodnih rješenja, već i pamte svoje prethodno stanje. To su elektroničke komponente koje ograničavaju ili reguliraju protok električne struje u strujnom krugu i sposobne su zapamtiti količinu naboja koja je prošla kroz njih te zadržati podatke čak i kada je struja isključena. U suštini, oni obavljaju funkciju sličnu sinapsama i imaju intrinzičnu sposobnost obavljanja računalnih zadataka i pohranjivanja informacija u isto vrijeme s mnogo manjim gubitkom volumena i energije.

Razvio se istraživački tim sa Sveučilišta Southampton integrirajući senzor memristora (Memristive Integrative Sensor - MIS) na nanoskali, u koju je uveo niz uzoraka "napon-vrijeme" koji reproduciraju električnu aktivnost živčanih stanica. Objavljeno je da MIS senzori temeljeni na metalnim oksidima, koji funkcioniraju poput sinapsi moždanih stanica, mogu kodirati i komprimirati (do 200 puta) aktivnost živčanih stanica snimljenu korištenjem višeelektrodnih nizova. Istraživači su rekli da je uz ograničenja širine pojasa njihov pristup izuzetno energetski učinkovit, budući da je snaga potrebna za svaki kanal snimanja bila XNUMX puta manja nego što je trenutno.

Međutim, čini se da je zadatak neuromorfnih konstruktora višestruko teži u svjetlu novih otkrića znanstvenika sa Sveučilišta California u Los Angelesu - pokazalo se da mozak ima više od stotinu puta veću procesorsku snagu nego što se prije mislilo. Prema tim nalazima, pokazalo se da su dendriti, za koje se nekoć smatralo da su jednostavni pasivni signalni kanali, vrlo električni aktivni, generirajući deset puta više impulsa nego soma (tijelo živčane stanice).

primijetio je Mayank Mehta, neurofizičar UCLA koji u medijima opisuje kalifornijsku studiju.

Nevidljivo, vidljivo zahvaljujući strojevima

Simulacija našeg mozga još nije baš dobra za strojeve. Zauzvrat smo, međutim, dobili “od njih” – i još uvijek primamo – ono što nam omogućuje ne samo da, na primjer, letimo u nebo ili dižemo utege, nego i da vidimo i čujemo ono što naša osjetila ne mogu uhvatiti. Već duže vrijeme imamo uređaje za noćno gledanje, termovizije, ultraljubičaste detektore i sonare. Ovi nam uređaji daju pristup sposobnostima koje smo prije vidjeli samo kod životinja ili insekata. U odnosu na mehanizme iz prirodnog svijeta, oni ostaju proizvodi tehničke misli.

Tipičan primjer moderne tehnologije koja nam otvara oči za nove svjetove su leće s ultra tankim detektorom grafena koji rade u punom infracrvenom rasponu. Nastali su na američkom sveučilištu Michigan kao rezultat istraživanja grupe prof. Zhaohui Zhong. Druga skupina znanstvenika i inženjera, predvođena Joseph Ford s UC San Diega i Erica Tremblay s Instituta za mikroinženjering u Lausannei - zauzvrat je razvila kontaktne leće s polarizacijskim filterom, slične onima koje se nose u 3D kinima, omogućujući vam da vidite s gotovo tri puta većim povećanjem.

Naravno da ih također ima proširena stvarnostšto ne samo da liječnicima omogućuje da pogledaju unutar ljudskog tijela bez kirurške intervencije, već također može pomoći, primjerice, vatrogascima da se brzo snalaze i traže ljude u uvjetima požara kada vidljivost postane loša ili čak nula. C kroz kacigu ima ugrađenu termovizijsku kameru, slika s koje se prenosi vatrogascu u kacigi izravno na displeju ispred njegovih očiju. Na drugoj strani Sustav Stryker II, kreiran od strane BAE Systems za pilote zrakoplova, integriran s kacigom, opremljen senzorima koji automatski postavljaju naočale pilota u noćni način rada s noćnim vidom.

Konačno možete doći kamere koje vide nevidljivo. Čak i stvari iza ugla zgrade. Izum koji je to omogućio došao je od znanstvenika sa Sveučilišta u Bonnu u Njemačkoj i Britanskoj Kolumbiji u Kanadi. Temelji se na reprodukciji slika izvan vidnog polja pomoću difuznog svjetla. Ova metoda koristi lasersku zraku koja se projicira na zid, prikrivajući ono što bi trebalo promatrati kroz objektiv kamere. Uređaj prikuplja mnogo različitih refleksija svjetlosti i zbraja ih, pokušavajući stvoriti rezultirajuću, t.j. obris slike. U početku samo vidite zid u tražilu kamere. Međutim, nakon nekog vremena, kada počnu raditi suptilni matematički algoritmi, otkrivajući takozvani odjek slike (tj. mala količina svjetlosti koja se reflektira od objekta, raspršuje se i zatim pada na površinu zida), počinjemo vidjeti figure skrivene iza ugla. Ni jedno živo biće više ne može učiniti takve stvari!

Postoje i metode za "Vidjeti" nešto u mrakui ne treba im više fotona po pikselu. Na primjer, onaj koji se razvio Ahmed Kirmaniego s Massachusetts Institute of Technology (MIT) i objavljeno u časopisu Science. Uređaj, koji su on i njegov tim razvili, Kirmani emitira laserski impuls male snage u mraku, koji, kada se reflektira od objekta, upisuje jedan piksel u detektor. Sam princip nije nov. Novo je sofisticirani algoritam koji zahtijeva mnogo manje fotona za stvaranje slike nego prije. Izračunato je da je dovoljna samo stoti dio onoga što je potrebno za trenutno korištene svjetlosne detektore u teškim uvjetima, poput LIDAR tehnologije.

Gledajući motor koji radi u AR tehnici

Budući da postoje mogućnosti proširene stvarnosti da se "vidi" unutrašnjost motora automobila koji radi uz pomoć zvukova koji dopiru odande, možda je vrijeme kamera koja "čita" zvukove sa slike? Prototip takvog uređaja razvili su MIT, Microsoft i Adobe. Odgovarajući algoritam zabilježio je zvukove govora koji su dolazili iz vrećice čipsa, od koje je snimač bio odvojen zvučno izoliranim staklom. U drugim eksperimentima bilo je moguće reproducirati zvuk iz tihog videa. Ova metoda temelji se na "zaključcima" o zvukovima analizom kretanja i vibracija objekata.

Teško je ne primijetiti da težnja prema biomimetizmu i neuromorfizmu, kao i daljnja rješenja koja jačaju naša osjetila, jasno pokazuju kako su moderne tehnologije, unatoč tolikim strahovima, još uvijek usmjerene na ljude.