العالم - گوناگون
بزرگترین کارخانه‌های ماشین‌سازی در تلاش برای ساخت ماشین‌های خودکار، بخش زیادی از هزینه‌ها را صرف طراحی قابلیت دیدن اجسام جلوی ماشین‌ها، می‌کنند. سخت‌افزارها برای اینکه بتوانند ببینند، باید مانند مغز طراحی شوند. راه حل پیشنهادی علم برای نزدیک کردن عملکرد کامپیوتر به مغز، نرم‌افزارهایی است که از شبکه عصبی استفاده می‌کنند.
IBM در سال ۲۰۱۴ برای عملی کردن این آرزو،اولین چیپ خود، TrueNorth را که از شبکه عصبی بهره می‌برد، به دنیا معرفی کرد. این سیستم با استفاده از CNN (شبکه عصبی convolutional) روی چیپ، بسیار منعطف بوده و قابلیت برنامه‌ریزی و استفاده در شبکه‌های مختلف را دارد. برای آزمایش این چیپ، آنها با ۹ موقعیت اشیا طبیعی و مصنوعی، آدرس، علائم ترافیکی، لوگوی شرکت‌ها، وجود صدا و آواهای انگلیسی آموزش دادند. نتایج دریافتی از آزمایش این چیپ روی سیستم‌های موجود برای تشخیص صدا و تصویر، بسیار عالی و از دقت بالایی برخوردار بود. از دیگر سخت‌افزارهای مورداستفاده که رفتار مغز را تا حد قابل قبولی شبیه‌سازی می‌کند، سخت‌افزار Neuromorphic است. با این اوصاف در صورتی که بتوان CNN را با چیپ های Neuromorphic ترکیب کرد، انتظار داریم نتایج به طرز قابل‌توجهی بهبود یافته و منجر به ساخت ماشین‌ها و گوشی‌های هوشمندتر شود.
نحوه یادگیری کامپیوترها، نسبت به یادگیری انسان متفاوت است و مدت‌هاست که دانشمندان به دنبال شبیه‌سازی نرم‌افزاری مغز انسان هستند. مغز انسان از حدود ۸۶ میلیارد سلول عصبی تشکیل شده که سیگنال‌ها را دریافت کرده و در صورت تحریک مناسب، پاسخ می‌دهد. یادگیری از طریق اتصال میان نورون‌ها (سیناپس) صورت می‌گیرد. هنگامی‌که یک طرح رفتاری چندین بار تکرار شود،اتصالات نورون‌های مرتبط با آن رفتار، قوی‌تر شده و در شبکه ثبت می‌شود.
نورون‌های مصنوعی و سیناپس‌هایی که برای شبیه‌سازی مغز توسط کامپیوتر طراحی شده‌اند، بسیار ساده‌تر از نورون‌های عصبی هستند ولی از قوانین مشابهی پیروی می‌کنند. نورون‌های مصنوعی برای شبیه‌سازی بهتر عملکرد، در چندین لایه کنار هم چیده می‌شوند. استفاده از لایه‌های این شبکه برای یادگیری، Deep Learning نامیده شده و می‌توان از آنها در مبحث یادگیری ماشین بهره برد و کامپیوترهایی ساخت که بنابر اقتضای شرایط تصمیم درست بگیرند و این دقیقا کاری است که مغز انجام می‌دهد؛ اما با توجه به ظرفیت‌های امروزه دنیای علم، این شبیه‌سازی علاوه بر هزینه بالا، کارایی پایینی نیز دارد.
Modha یکی از محققان فعال در این پروژه، از تلاش برای ارائه شبکه‌های عصبی مؤثرتری برای حفظ انرژی،زمان و محیط خبر داد.بنابراین ساخت سخت‌افزاری که بتواند Deep learning را مشابه مغز انجام داده و رانندگی ماشین را بر عهده گرفته و حرکت وسیله را نیز پیش‌بینی کند، دیگر یک رویا در فیلمهای علمی تخیلی نیست.
وب سایت کلیک