شرکت IBM نورون هایی مصنوعی می سازد که خودشان یاد می گیرند. این نورون ها با استفاده از مواد مخصوصی به نام مواد phase-change ساخته می شوند.
به گزارش کلیک، محققان شرکت IBM موفق به ساخت و تولید نورون های مصنوعی شدند که کارکرد مغز انسان در ذخیره و پردازش داده ها را شبیه سازی کرده و به آن ها اجازه می دهد تا بدون احتیاج به هیچ گونه نظارتی یاد بگیرند.
این تحقیق، که روز چهارشنبه در مجله Nature Nanotechnology منتشر شده، گام مهمی در توسعه سخت افزار های بهینه شده در مصرف انرژی و فوق متراکم در مقایسه با آن هایی که در طبیعت وجود دارد، می باشند.
این نورون های مصنوعی با استفاده از مواد مخصوصی به نام مواد phase-change ساخته می شوند که پایه دیسک های Blu-ray با قابلیت بازنویسی هستند. هرچند این نورون های مصنوعی را داده های دیجیتال ذخیره نمی کنند، بلکه آنالوگ هستند، درست همانند سیناپس ها و نورون های مغز طبیعی خودمان.
یکی از محققان این مرکز، Abu Sebastian در این رابطه به مجله نیوزویک گفت: ما از این ابزار های phase-change با اندازه های نانو برای شبیه سازی عملکرد مغز بهره می بریم. ایده اصلی آن است که با تشخیص نورون ها و سیناپس ها با استفاده از ابزار های نانو, ما در واقع می توانیم اندازه پردازشگر ها را کوچک سازیم.
وی در ادامه افزود: اگر به مغز انسان نگاه کنید در خواهید یافت که از حدود ۱۰۰ میلیارد نورون تشکیل شده است که هر نورون نیز ۱۰۰۰۰ سیناپس دارد. در نتیجه اگر به دنبال ساخت پردازشگر هایی با این همه سازه و اجزا هستید باید بدانید که کار بسیار خسته کننده ای در پیش دارید. کوچک کردن اندازه این ابزار ها و موارد مصرفشان به شدت قابل اهمیت و جالب است. به همین دلیل، این یک نکته اساسی برای فهماندن و نشان دادن اقدام های ما می باشد.”
این تحقیقات علاوه بر افزایش سطح آگاهی ها و درک ما نسبت به عملکرد مغز، می تواند شماری از کارکرد های ملموس برای ما داشته باشد. شاخص ترین این کارکرد ها می تواند در اینترنت اشیا باشد. ما می توانیم از نتایج این تحقیقات در یخچال ها، حباب های چراغ ها و ساعت های هوشمند استفاده کنیم.
نورون های مصنوعی همچنین می تواند در تشخیص الگوها در تبادلات و معاملات تجاری و یافتن موارد نقص این الگوها مورد استفاده قرار بگیرد. از این ابزار ممکن است در به کارگیری داده ها برای یافتن الگوهای فرهنگی نیز استفاده کرد.
سباستین در این رابطه می گوید: ما رویکرد دوگانه ای در این میان داریم. از یک سو ما در تلاشیم تا درک علمی خود را در رابطه با مغز و چگونگی کارکرد آن با استفاده از این ابزار افزایش دهیم و در سوی دیگر به دنبال منتقل کردن آن به کارکرد های دنیای واقعی هستیم.