1 نوامبر 2021، توسط جیمی سی اوبردیک، دانشگاه ایالتی پنسیلوانیا
اعتبار: الیزابت فلورسگومز موری.
به گفته تیمی از محققان ایالت پن، درک واضح‌تر از نحوه عملکرد نوعی از سلول‌های مغزی معروف به آستروسیت‌ها و قابل تقلید در فیزیک دستگاه‌های سخت افزاری، ممکن است منجر به هوش مصنوعی (AI) و یادگیری ماشینی شود که به طور مستقل به خودی خود ترمیم می‌شود و انرژی بسیار کمتری نسبت به فناوری‌های فعلی مصرف می‌کند.
آستروسیت‌ها به دلیل شکل ستاره‌ای خود نام گذاری شده‌اند و نوعی سلول گلیال هستند که سلول‌های پشتیبانی کننده برای نورون‌های مغز هستند. آنها نقش مهمی در عملکردهای مغز مانند حافظه، یادگیری، خود ترمیم و هماهنگ سازی دارند.
آبرونیل سنگوپتا، استادیار رشته برق گفت: «این پروژه از مشاهدات اخیر در علوم اعصاب محاسباتی سرچشمه گرفته است، زیرا تلاش‌ها و درک زیادی از نحوه عملکرد مغز انجام شده است و افراد در تلاش برای تجدید نظر در مدل اتصالات ساده‌ای نورون-سیناپس هستند.» به نظر می‌رسد جزء سومی در مغز وجود دارد، آستروسیت‌ها، که بخش مهمی از سلول‌های مغز را تشکیل می‌دهند، اما نقش آن در یادگیری ماشینی و علوم اعصاب به نوعی نادیده گرفته شده است.
همزمان، حوزه‌های هوش مصنوعی و یادگیری ماشینی در حال رونق هستند. با توجه به ابتکارات و پیش‌بینی شرکت تحلیلی Burning Glass Technologies، انتظار می‌رود تقاضا برای مهارت‌های هوش مصنوعی و یادگیری ماشین تا سال 2025 با نرخ رشد ترکیبی 71 درصدی افزایش یابد. با این حال، هوش مصنوعی و یادگیری ماشینی با افزایش استفاده از این فناوری‌ها با چالش روبرو هستند.
سنگوپتا گفت: «مسئله ای که اغلب دست کم گرفته می‌شود هوش مصنوعی و یادگیری ماشینی، میزان مصرف انرژی این سیستم‌ها است. به عنوان مثال، چند سال پیش، IBM سعی کرد فعالیت مغزی یک گربه را شبیه‌سازی کند، و با انجام این کار، حدود چند مگاوات انرژی مصرف کرد. اگر روی بهترین ابررایانه ممکن امروزی کار کنیم، مصرف برق حتی از مگاوات هم بیشتر خواهد بود.»
تمام این مصرف انرژی به دلیل رقص پیچیده سوئیچ‌ها، نیمه‌هادی‌ها و سایر فرآیندهای مکانیکی و الکتریکی است که در پردازش کامپیوتری اتفاق می‌افتد، که زمانی که فرآیندها به اندازه آنچه هوش مصنوعی و یادگیری ماشین نیاز دارند، به شدت افزایش می‌یابد. یک راه حل بالقوه، محاسبات نورومورفیک است، که محاسباتی است که عملکردهای مغز را تقلید می‌کند. محاسبات نورومورفیک مورد توجه محققان است زیرا مغز انسان به گونه‌ای تکامل یافته است که نسبت به رایانه از انرژی بسیار کمتری برای فرآیندهای خود استفاده می‌کند، بنابراین تقلید از این عملکردها باعث می‌شود هوش مصنوعی و یادگیری ماشینی فرآیندی با انرژی کارآمدتر باشند.
یکی دیگر از عملکردهای مغز که دارای پتانسیل محاسبات نورومورفیک است این است که چگونه مغز می‌تواند نورون‌ها و سیناپس‌های آسیب دیده را ترمیم کند.
سنگوپتا گفت: «آستروسیت‌ها نقش بسیار مهمی در خود ترمیم مغز دارند. زمانی که ما سعی می‌کنیم این ساختارهای دستگاه جدید را ارائه کنیم، سعی می‌کنیم یک نمونه اولیه سخت‌افزار نورومورفیک مصنوعی را تشکیل دهیم، این‌ها با خطاهای زیادی در سطح سخت‌افزار مشخص می‌شوند. بنابراین شاید بتوانیم بینش‌هایی را از علوم اعصاب محاسباتی بر اساس چگونگی ایجاد سلول‌های گلیال آستروسیت به دست آوریم که باعث ایجاد خود ترمیم در مغز می‌شوند و از این مفاهیم استفاده می‌کنند تا احتمالاً باعث ایجاد خود ترمیم سخت افزار نورومورفیک برای ترمیم این عیوب شوند.»
آزمایشگاه سنگوپتا در درجه اول با دستگاه‌های اسپینترونیک کار می‌کند، نوعی از الکترونیک که اطلاعات را از طریق الکترون‌های در حال چرخش پردازش می‌کند است. محققان ساختارهای مغناطیسی این دستگاه‌ها و چگونگی ایجاد نورومورفیک آنها را با تقلید از عملکردهای عصبی سیناپسی مغز در فیزیک ذاتی دستگاه‌ها بررسی می‌کنند.
این تحقیق بخشی از مطالعه‌ای بود که در ژانویه در Frontiers in Neuroscience منتشر شد. این تحقیق به نوبه خود منجر به مطالعه‌ای شد که اخیراً در همان مجله منتشر شده است.
سنگوپتا گفت: «زمانی که در مطالعه قبلی روی جنبه‌های خود ترمیم‌سازی شروع کردیم، متوجه شدیم که آستروسیت‌ها نیز به اتصال موقت اطلاعات کمک می‌کنند.
اتصال زمانی اطلاعات به این معناست که چگونه مغز می‌تواند روابط بین رویدادهای جداگانه‌ای را که در زمان‌های جداگانه اتفاق می‌افتند، درک کند و این رویدادها را به‌عنوان یک توالی معنا کند، که عملکرد مهم هوش مصنوعی و یادگیری ماشینی است. «به نظر می‌رسد که ساختارهای مغناطیسی که ما در مطالعه قبلی با آنها کار می‌کردیم، می‌توانند از طریق مکانیسم‌های جفت شوندگی مختلف با هم هماهنگ شوند و ما می‌خواستیم بررسی کنیم که چگونه می‌توانید این دستگاه‌های مغناطیسی هماهنگ شده را از جفت فاز ناشی از آستروسیت تقلید کنند، فراتر از کارهای قبلی سنگوپتا گفت: ما می‌خواهیم فیزیک ذاتی دستگاه‌ها از جفت شدن فاز آستروسیتی که شما در مغز دارید تقلید کند.
https://techxplore.com
