Pisike, ise organiseeritud kunstlike sünapside võrgustik mäletab nende kogemusi ja suudab lahendada lihtsaid probleeme. Selle loojad loodavad, et kunagi luuakse selle tehisliku aju baasil seadmed, mis ei ole nende energiatõhususes madalamad kui aju arvutusvõimsused. Üldiselt on ajude energiatõhusus täiuslik, kui jätame nende saavutused mõtlemisse ja probleemide lahendamisse. Aju vajab töötamiseks sama palju energiat, kui 20-vatine hõõglamp neelab. Ja üks võimsamaid ja kiiremaid superarvuteid maailmas, Computer K Kobes, Jaapanis, kasutab kuni 9,89 megavatti võimsust - umbes sama palju kui 10 000 kodu. Kuid 2013. aastal kulus masinal isegi selle energia saamiseks 40 minutit, et simuleerida 1% inimese aju aktiivsusest 1 sekundiga.
Ja nii loodavad Los Angelese California ülikooli NanoSystemsi instituudi teadurid inseneride kaudu aju arvutus- ja energiatõhusate võimetega konkureerida tänu süsteemidele, mis peegeldavad aju struktuuri. Nad loovad seadme, mis on võib-olla esimene omataoline, mis on “inspireeritud ajust, et genereerida omadusi, mis võimaldavad aju teha seda, mida ta teeb,” ütleb instituudi teadur ja dotsent Adam Stig, kes juhib projekti koos California ülikooli keemiaprofessori Jim Gimrzewskiga. Los Angeleses.
Nende disain pole sugugi sarnane tavaliste arvutitega, mis põhinevad väikestel juhtmetel, mis on trükitud ränimikroskeemidele kõrgelt järjestatud vooluahelates. Praegune eksperimentaalne versioon on 2 x 2 mm hõbedane nanovõrestik, mis on ühendatud kunstlike sünapsidega. Erinevalt oma geomeetrilise täpsusega räniringidest on see seade kootud nagu "hästi segunenud spagetiroog", ütleb Stig. Pealegi on selle peene struktuur korraldatud juhuslikest keemilistest ja elektrilistest protsessidest lähtuvalt ning see pole hoolikalt läbi mõeldud.
Oma keerukuses meenutab see hõbedane võrk aju. Võre ruutsentimeetri kohta on miljard kunstlikku sünapsit, mis erineb reaalajust mitu suurusjärku. Võrgu elektrilisel aktiivsusel on ka omadus, mis on ainulaadne keerukatele süsteemidele nagu aju: „kriitilisus“- kord ja kaos vahel olev olek, mis näitab maksimaalset efektiivsust.
See tugevalt läbi põimunud nanojuhtmete võrk võib tunduda kaootiline ja juhuslik, kuid selle struktuur ja käitumine sarnaneb aju neuronite omaga. NanoSystems'i teadlased arendavad seda õppimise ja arvutamise aju seadmena.
Lisaks näitavad esialgsed katsed, et sellel neuromorfsel (st ajusarnasel) hõbetraatvõrgul on suur funktsionaalne potentsiaal. Ta oskab juba teha lihtsaid hariduslikke ja loogilisi toiminguid. See võib eemaldada vastuvõetud signaalist soovimatu müra, olulise hääletuvastuse võime ja sarnased toimingud, mis põhjustavad probleeme tavapärastes arvutites. Ja selle olemasolu tõestab põhimõtet, et ühel päeval on võimalik luua aju energiatõhususega seadmeid.
Need eelised on eriti huvitavad räni mikroprotsessorite miniaturiseerimise ja efektiivsuse läheneva piiri taustal. "Moore'i seadus on surnud, pooljuhid ei saa enam väiksemaks muutuda ja inimesed hakkavad muretsema, mida teha," ütleb UCLA projektiga mitteseotud neuromorfset arvutit pakkuva ettevõtte Knowm tegevjuht Alex Nugent. “Mulle meeldib see idee, see suund. Tavalised arvutusplatvormid on miljard korda vähem tõhusad."
Reklaamvideo:
Lülitub sünapsitena
Kui Gimrzewski kümme aastat tagasi oma hõbevõrgu projekti kallale asus, ei huvitanud teda üldse energiatõhusus. Tal oli igav. Kasutanud 20 aastat skaneerivat tunnelmikroskoopi, et uurida elektroonikat aatomi skaalal, ütles ta lõpuks: "Olen väsinud täiuslikkusest ja täpsest juhtimisest ning pisut tüdinenud reduktsionismist."
Reduktsionismi, peaks eeldama, on kõigi kaasaegsete mikroprotsessorite alus, kui keerulisi nähtusi ja vooluahelaid saab selgitada lihtsate nähtuste ja elementide abil.
2007. aastal paluti tal uurida individuaalseid aatomlüliteid (või lüliteid), mille töötas välja Jaapani Tsukubas asuva Rahvusvahelise Nanoarhitektoonika Materjalide Keskuse Masakazu Aono rühm. Need lülitid sisaldasid sama koostisosa, mis muudab munaga puutumisel hõbedase lusika mustaks: kõvasmetallilise hõbeda vahele asetatud raudsulfiid.
Seadmetele pinge rakendamine surub hõbedasulfiidis positiivselt laetud hõbedaioonid hõbeda katoodikihi poole, kus need taandatakse metalseks hõbedaks. Aatomilised hõbefilamendid kasvavad, sulgedes lõpuks hõbedase metallkülje vahelise tühiku. Lüliti on sisse lülitatud ja vool võib voolata. Voolu ümberpööramisel on vastupidine efekt: hõbedasillad lühenevad ja lüliti on välja lülitatud.
Vahetult pärast lüliti väljatöötamist hakkas Aono grupp jälgima ebaharilikku käitumist. Mida sagedamini lülitit kasutati, seda lihtsam oli seda sisse lülitada. Kui seda mõnda aega ei kasutatud, lülitus see järk-järgult ise välja. Sisuliselt mäletas lüliti oma ajalugu. Samuti leidsid Aono ja tema kolleegid, et lülitid näisid olevat üksteisega suhtlemas, nii et ühe lüliti sisselülitamine blokeerib mõnikord läheduses olevad teised lülitid.
Enamik Aono grupist soovis neid kummalisi omadusi konstrueerida väljaspool lüliteid. Kuid Gimrzewski ja Stig (kes olid just lõpetanud Gimrzewski rühmas doktorikraadi) mäletasid sünapsid, lülitusi inimese aju närvirakkude vahel, mis muudavad ka suhteid kogemuste ja interaktsiooni vahel. Ja nii see idee sündiski. "Mõtlesime, et miks mitte proovida seda kõike tõlkida struktuuriks, mis sarnaneb imetajate ajukoorega, ja seda uurida?" Ütleb Stig.
Sellise keeruka struktuuri ehitamine oli kindlasti keeruline, kuid äsja kraadiõppurina rühmaga liitunud Stig ja Odrius Avicenis töötasid selle jaoks välja protokolli. Valades hõbenitraadi pisikestele vasksfääridele, võivad need põhjustada mikroskoopiliselt õhukeste, ristuvate hõbetraatide kasvu. Seejärel võiksid nad selle võrgu kaudu väävli gaasi välja pumbata, moodustades hõbetraatide vahele hõbedase väävelveskihi, nagu originaali Aono meeskonna aatomlülitil.
Iseorganiseeritud kriitilisus
Kui Gimzewski ja Stig teistele oma projektist rääkisid, ei uskunud keegi, et see töötab. Mõni ütles, et seade näitab ühte tüüpi staatilist aktiivsust ja arveldab sellega, meenutas Stig. Teised väitsid vastupidist: "Nad ütlesid, et lüliti kaskaadistub ja kogu struktuur lihtsalt põleb läbi," räägib Gimzewski.
Kuid seade ei sulanud. Seevastu kui Gimzewski ja Stig jälgisid teda läbi infrapunakaamera, muutis sisendvool seadme kaudu kulgevate radade muutmist - tõestades, et võrgus ei olnud tegevus lokaliseeritud, vaid pigem jaotunud, nagu ajus.
Ühel sügispäeval 2010, kui Avicenis ja tema kolleeg Henry Sillin suurendasid seadme sisendpinget, märkasid nad äkki, et väljundpinge hakkas juhuslikult vibreerima, justkui traatvõrk oleks elule jõudnud. "Istusime maha ja vaatasime seda, olime šokeeritud," ütleb Sillin.
Nad arvasid, et on leidnud midagi huvitavat. Kui Avicenis seireandmeid mitme päeva jooksul analüüsis, leidis ta, et võrk püsis lühikese aja jooksul sagedamini kui pikka aega samal aktiivsuse tasemel. Hiljem leidsid nad, et väikesed tegevusalad olid tavalisemad kui suured.
“Mu lõualuu kukkus maha,” ütleb Avicenis, sest see on esimene kord, kui nad õppisid oma seadmest vooluseadust. Võimsusseadused kirjeldavad matemaatilisi seoseid, milles üks muutuja muutub teise võimena. Neid kohaldatakse süsteemide suhtes, kus suuremad skaalad, pikemad sündmused on vähem levinud kui väiksemad ja lühemad, kuid need on laialt levinud ja mitte juhuslikult. 2002. aastal surnud Taani füüsik Per Bac pakkus kõigepealt välja jõuseadused, mis on kõiksuguste keerukate dünaamiliste süsteemide tunnusmärgiks, mida saab korraldada suurtest mõõtkavadest ja pikkadest vahemaadest. Tema sõnul näitab selline käitumine, et keeruline süsteem tasakaalustab ja toimib korra ja kaose vahel kuldsel keskpäeval, "kriitilisuse" seisundis ning kõik selle osad on maksimaalse efektiivsuse saavutamiseks omavahel ühendatud ja omavahel ühendatud.
Nagu Buck ennustas, täheldati inimese ajus võimuõiguslikku käitumist: 2003. aastal täheldas Riikliku Tervise Instituudi neurofüsioloog Dietmar Plenz, et närvirakkude rühmad aktiveerisid teisi, mis omakorda aktiveerisid teisi, käivitades sageli süsteemseid aktiveerimise kaskaade. Plenz leidis, et nende kaskaadide suurused järgivad võimuõiguse jaotust ja aju toimis nii, et maksimeerida tegevuse levikut, riskimata kaotada kontrolli selle leviku üle.
Plentzi sõnul on väga oluline asjaolu, et California ülikooli seade demonstreeris ka võimuõigust. Sest sellest järeldub, et nii nagu ajus, on sellel aktiveerimise ja inhibeerimise vahel delikaatne tasakaal, mis hoiab selle osade summa töös. Tegevus ei suru komplekti, kuid see ei peatu ka.
Gimrzewski ja Stig leidsid hiljem veel ühe sarnasuse hõbedase võrgu ja aju vahel: nii nagu magava inimese aju eksponeerib vähem lühikesi aktiveerimise kaskaade kui ärkveloleku aju, muutub hõbedase võrgu lühike aktiveerimisolek madalamate sisendienergiate korral harvemaks. Mõneti võib seadme energiatarbe vähendamine luua oleku, mis sarnaneb inimaju uinunud olekule.
Õppimine ja arvutamine
Ja siin on küsimus: kui hõbejuhtmete võrgul on aju sarnased omadused, kas see suudab lahendada arvutusprobleeme? Esialgsed katsed on näidanud, et vastus on jaatav, kuigi seade pole muidugi tavalise arvutiga isegi kaugelt võrreldav.
Esiteks puudub tarkvara. Selle asemel kasutavad teadlased ära asjaolu, et võrk võib sissetulevat signaali moonutada erineval viisil, sõltuvalt sellest, kus väljundit mõõdetakse. See võimaldab hääl- või pildituvastust kasutada, kuna seade peab suutma mürarikast sisendsignaali puhastada.
Siit järeldub ka, et seadet saab kasutada niinimetatud reservuaari arvutamiseks. Kuna üks sisend võib põhimõtteliselt genereerida palju, miljoneid erinevaid väljundeid (seega reservuaari), saavad kasutajad valida väljundid või neid ühendada, nii et tulemuseks on soovitud sisendarvutus. Näiteks kui stimuleerite seadet kahes erinevas kohas korraga, on tõenäoline, et miljonist erinevast väljundist üks esindab kahe sisendi summat.
Väljakutseks on õigete järelduste leidmine ja nende dekodeerimine ning nuputamine, kuidas kõige paremini teavet kodeerida, et võrk sellest aru saaks. Seda saab teha seadme väljaõppimisega: käivitades ülesannet sadu või tuhandeid kordi, esmalt ühe sisenditüübiga, seejärel teise sisendiga ja võrreldes, milline väljund saab ülesandega paremini hakkama. "Me ei programmeeri seadet, vaid valime parima teabe kodeerimise viisi, et võrgu käitumine oleks kasulik ja huvitav," ütleb Gimrzewski.
Peagi avaldatavas töös selgitavad teadlased, kuidas nad koolitasid juhtmete võrku lihtsate loogiliste toimingute tegemiseks. Ja avaldamata katsetes koolitasid nad võrku, et lahendada lihtne mäluprobleem, mida tavaliselt antakse rottidele (T-labürint). T-labürindi testis premeeritakse rotti, kui see teeb valguse mõjul korrektse pöörde. Oma koolitusversioon võimaldab võrk teha 94% ajast õige valiku.
Siiani on need tulemused olnud vaid midagi enamat kui põhimõtte tõestust, väidab Nugent. "Väike rott, kes teeb otsuse T-labürindis, ei jõua masinõppes kunagi selleni, mis suudab selle süsteeme hinnata," ütleb ta. Ta kahtleb, kas seade saab lähiaastatel kasulikuks kiibiks muuta.
Kuid potentsiaal on tohutu, rõhutab ta. Sest võrk, nagu aju, ei eralda töötlemist ja mälu. Traditsioonilised arvutid peavad edastama teavet nende kahe funktsiooni haldavate domeenide vahel. "Kogu see lisakommunikatsioon moodustub, kuna juhtmed vajavad voolu," räägib Nugent. Võttes arvesse traditsioonilisi arvuteid, peaksite Prantsusmaalt toite välja lülitama, et imiteerida täielikku inimaju korraliku eraldusvõimega. Kui sellised seadmed nagu hõbevõrk suudavad lahendada tavapärastes arvutites töötavate masinõppe algoritmide tõhususe probleemid, saavad nad kasutada miljard korda vähem energiat. Ja siis on asi väike.
Teadlaste leiud toetavad ka arvamust, et mõistlikes olukordades saab intelligentsed süsteemid moodustada iseorganiseerumisega, ilma et neil oleks mingit arendusvormi või -protsessi. Hõbevõrgustik tekkis "spontaanselt", ütles Todd Hilton, endine DARPA juht, kes toetas projekti varakult.
Gimrzewski usub, et hõbejuhtmete vms seadmete võrk võib keerukate protsesside ennustamisel olla parem kui traditsioonilised arvutid. Traditsioonilised arvutid modelleerivad maailma võrranditega, mis kirjeldavad keerulisi nähtusi sageli vaid umbkaudselt. Aatomlüliti neuromorfsed võrgud viivad nende endi sisemise struktuurilise keerukuse vastavusse simuleeritava nähtusega. Ja nad teevad seda ka kiiresti - võrgu olek võib kõikuda kiirusega kuni kümneid tuhandeid muutusi sekundis. "Me kasutame keerukate nähtuste mõistmiseks keerulist süsteemi," ütleb Gimrzewski.
Selle aasta alguses tutvustasid Gimzewski, Stig ja nende kolleegid San Franciscos asuvas Ameerika Keemiaühingu kohtumisel katse tulemusi, milles nad toitsid seadet kuueaastase Los Angelese liikluse andmekogu esimese kolme aasta jooksul impulsside jadana, mis näitasid mööduvad autod tunnis. Pärast sadade tundide pikkust koolitust ennustas väljund lõpuks andmekogumi teise poole statistilist suundumust ja üsna hästi, isegi kui seda seadmele ei näidatud.
Võib-olla ühel päeval naljatleb Gimrzewski, et ta kasutab aktsiaturu ennustamiseks võrku.
Ilja Khel
