احتمال هوشمندتر شدن هوش‌مصنوعی
مجله علمی ایلیاد - گروهی بین‌المللی از دانشمندان با استفاده از مدل شبکه‌ی عصبی، نوع جدیدی از سيناپس ترکیبی را برای سیستم‌های هوش‌مصنوعی طراحی کرده‌اند. در شبکه‌های عصبی مصنوعی، سیستم‌های محاسباتى برای تقلید از عملکرد مغز انسان طراحی شده‌اند؛ سيناپس‌ها و نورون‌های دیجیتال به تکرار عملکرد همتایان زیستی خود می‌پردازند.
در این شرایط، سيناپس‌ها به‌عنوان دروازه‌ای برای نورون عمل می‌کنند تا سیگنال و اطلاعات را به یکدیگر برسانند. اینها در هر دو شبکه‌های عصبی مصنوعی و زیستی نقش بافت پیوندی را ایفا می‌کنند. بر طبق ارزیابی‌ها، دستگاه عصبی انسان حاوی بیش از صد تریلیون سيناپس است.
علی‌رغم اینکه دانشمندان به موفقیت چشم‌گیری در شبکه‌های عصبی مصنوعی دست یافته‌اند، اما سیستم‌های هوش‌مصنوعی عصر حاضر با محدودیت خاصی روبرو هستند. سيناپس‌ها می‌توانند در مغز پستانداران به‌طور همزمان دو نوع سیگنال به نام‌های بازدارنده و محرک داشته باشند. اما سيناپس‌های مصنوعی ساخته شده از مولفه‌های الکترونیکی نانوسکوپى توانایی پردازش همزمان دو نوع سیگنال را ندارند و از پس یک سيگنال بر می‌آیند. در نتیجه، محققان چینی و آمریکایی نوعی سيناپس ترکیبی ساخته‌اند که می‌تواند هر دو نوع سیگنال را مدیریت کند. سازمان ملی علوم و مرکز تحقیقات ارتش مسئولیت حمایت مالی از پروژه را بر عهده گرفته‌اند.
«هان وانگ»، نویسنده‌ای از دانشگاه کالیفرنیای جنوبی بیان کرد: «این سيناپس‌های مصنوعی جدید این امکان را به سيناپس می‌دهند تا در حالت‌های بازدارنده یا محرک آرایش مجدد پیدا کنند. قبلاً این کار با دستگاه‌های سيناپسى مصنوعی حالت جامد مقدور نبود. این انعطاف‌پذیری عملکردی جدید برای ارائه‌ی شبکه‌های مصنوعی پیچیده‌تری را فراهم می‌کند؛ به‌طوریکه آرایش مجدد سيناپس‌ها به‌صورت پویاتر و مشابه با مغز انسان انجام می‌پذیرد.
هان در ادامه خاطر نشان کرد که واکنش‌های محرک در مغز انسان باعث افزایش انگیزش و آگاهی مغز می‌شوند، در حالی‌که واکنش‌های بازدارنده در آرام کردن آن نقش دارند. واکنش‌های محرک باعث انقباض ماهیچه‌ها شده و واکنش‌های بازدارنده سبب آرامش آن‌ها می‌شوند. سيناپس‌های مصنوعی جدید زمینه‌ساز انجام کارهای مشابهی در سیستم‌های رایانه‌ای می‌گردند. سیستم عصبی از سيناپس‌های زیستی برای پردازش سیگنال‌های شیمیایی و الکتریکی استفاده می‌کند، اما شبکه‌های عصبی مصنوعی از سيناپس‌های ترکیبی برای پردازش اطلاعات دیجیتال بهره می‌برند.
وانگ گفت: «در شبکه‌ی عصبی مصنوعی، سیگنال‌های محرک به تقویت ارتباطات درون شبکه پرداخته و واکنش‌های بازدارنده در تضعیف آن ارتباطات نقش دارند. ما توانایی هوشمندتر کردن سیستم‌های عصبی را دارا هستیم. شیوه‌ی تقلید زیستی اهمیت بالایی برای توسعه‌ی توانایی‌های شناختی نسل بعدی در شبکه‌های عصبی مصنوعی دارد. من آن‌را به گاز و ترمز تشبیه می‌کنم. این دو در تعامل با یکدیگر کار می‌کنند تا عملکرد صحیح و پایداری فعالیت‌های مغزی را تضمین نمایند؛ بسیار نزدیک به آنچه که مغز انسان انجام می‌دهد.
نوشته: گلین مک‌دونالد
ترجمه: منصور نقی لو - مجله علمی ایلیاد
ترجمه: منصور نقی لو - مجله علمی ایلیاد