بہت سے سائنسدانوں اور انجینئروں اس تصور میں بہت دلچسپی رہی ہے اگرچہ وہاں سیئی سے Leti چیف سائنسدان باربرا ڈی حملہ، نے نشاندہی کی ہے کہ وسط 1950s کے بعد سے، مصنوعی ذہانت (AI) آیا، لیکن AI پر تحقیق twists اور موڑ ہے.
تاہم، اب، اس سال کے انٹرنیشنل سالڈ اسٹیٹ سرکٹس کانفرنس میں 'ہم، موجودہ ماڈل کے دیگر تکنیک نے احساس ہونا چاہیے اچھے سوالات کرنے میں مدد ملے گی.' ڈی حملہ سنجیدگی از کم الہام انسانی دماغ ٹیکنالوجی کو دیکھنے کے لئے وقت ہے (ISSCC) کے بعد انٹرویو میں "EE ٹائمز" کو قبول کرنے کے لئے کہ ایک تقریر کی فراہمی 'کوئی نیا آپریشن ماڈل اور الگورتھم ہے، اگر صنعت بالآخر مشکل زیادہ سخت بجلی کی ضروریات کو حاصل کرنے کے لئے ہو جائے گا.'
صنعت AI زور دے رہے ہیں جیسے 2، Mobileye کی EyeQ5 اور ہزارہا کے جیویر NVIDIA کی Movidius سرایت پلیٹ فارم، کیا گیا ہے جبکہ، لیکن کناروں (کنارے) تجزیہ کی ایک بڑی تعداد کو ہینڈل میں کم بجلی کی کھپت کے ساتھ ٹرمینل آلہ کی ضروریات کو پورا کرنے کے لئے، اس نے کہا: ' ہم تک پہنچنے کے لئے یہ قدم کا فاصلہ بہت زیادہ دور ہے 'کی ضرورت ہے.
ڈی سالو کلیدی مرحلے کے دوران سماعت مرحلے اور GOPS کے کئی AI چپس کی مجسمی کارکردگی (GOPS / W) کی موازنہ کرتا ہے.
انہوں نے اس بات کی نشاندہی کی کہ صنعت اور موجودہ حل کی ضروریات کے درمیان اب بھی ایک بڑا فرق ہے. 'کوئی چپس نہیں - تجارتی رہائی، پروٹوٹائپ، چپس، ڈیزائن یا ترقی کے لئے اکیڈمی میں رہنا - 100μW سے بھی کم کرنے کے قابل ہیں. تاہم، یہ بالکل وہی ہے جو کنارے والے آلات کو حاصل کرنے کی ضرورت ہے کیونکہ انہیں آنے والی توانائی کی قلت یا چھوٹے بیٹریاں پر بھروسہ کرنا پڑتی ہے.
انسانی دماغ کی تحقیقات میں کیوں واپس آئے؟
ڈی سالو نے کہا کہ ہم جانتے ہیں کہ انسانی دماغ جسم کے تقریبا 2 فی صد کا وزن ہے، لیکن جسم کے چٹائی کا 20 فی صد بھی استعمال کرتا ہے.
انسانی دماغ 2001 ڈیلو سالو میں 1،011 GOPS پر عمل کرتا ہے پر زور دیتا ہے کہ اب تک، دنیا میں کوئی پروسیسر نہیں ہے جس میں انسانی دماغ کے مقابلے میں موازنہ اور طاقت ہے.
ڈی سالو نے وضاحت کی کہ توانائی کی کارکردگی کو کم کرنے کے دوران یہ توانائی کی کارکردگی کی طبقاتی انسانی ارتقاء کے دوران ایک طویل عرصے تک، دماغ کی تقریب کو زیادہ سے زیادہ کرنے کے لئے تیار کیا ہے.
یہ حیاتیات کے سیکشن سے سیکھنے کے لئے سیمیکمڈکٹر صنعت ہے. انہوں نے کہا کہ روایتی کمپیوٹنگ architectures کے بجلی کی ضروریات کو پورا کرنے کے لئے مصروف عمل ہیں بنیادی طور پر کیونکہ اس کے برعکس 'پروسیسر اور میموری مواصلات توانائی. بسم کرنے کی ضرورت ہے جب بھی'، دماغ synapses ایک واحد فن تعمیر میں میموری اور کمپیوٹنگ شامل ہیں. وہ دماغ متاثر غیر وان Neumann (غیر وان Neumann) کمپیوٹر فن تعمیر کے لئے یہ ہوشیار تکنیک بنیاد فراہم کرتا ہے کہ اس کی وضاحت.
الہام دماغ، جو کہ انکوڈنگ spikes کے طور پر اپنی نوعیت کے کام اصول کے لئے (کوڈنگ سپائیک) اور وقت سے متعلق plasticity کا spikes سے (سپائیک-وقت پر منحصر plasticity کا؛ STDP) وہ متنبہ کہ کوڈنگ نظام کے نقطہ نظر میں نیوران کی ریاستوں کو عناصر کی طرح. :؛: "نیوران کوئی گھڑی، خالصتا واقعہ پر مبنی ہے جو ماضی میں، ینالاگ یا عددی انکوڈنگ کا استعمال کرتے ہوئے نیوران آج neuromorphic کمپیوٹنگ تازہ ترین رجحان نیوران نبض یا spikes کی قدر انہوں نے وضاحت ضابطہ کاری کے لئے ہے. کے. '
سائنسی رائے STDP کوڈنگ اور ترقی کے امکانات spikes کے. دالیں (spikes کے) ان پٹ / آؤٹ پٹ سگنل کی نمائندگی کے لئے تو، ان پٹ سگنل اور اس کے علاوہ اور وزن کی ضرب کے درمیان سے synaptic وزن سے synaptic سطح میں حد قائم کرنے کی کارروائیوں گر جائے گا. spikes یا ایک سگنل کی بنیاد پر ایک واقعہ دکھا، اس طرح بجلی کی کھپت کو کم کرنے کا استعمال کرتے ہوئے متفاوت تعمیر کے پروگراموں کے ذریعے اس ہدف میں.
اس ایونٹ سے چلنے والی تصویر پروسیسنگ تکنیک کے Chronocam ترقی کی طرح ہے، چاہے وہ جواب دیا:؟. جی ہاں، لیکن، Chronocam کے حل مصنوعی ریٹنا پر لاگو کیا جا کرنے کے لئے "بصری" ہمارا مشن صنعت neuromorphic اصولوں ہونا ہے. باہر سے باہر بصری میدان کے پورے آپریشن کے لئے بڑھا دیا. '
ڈی حملہ آئی بی ایم کی TrueNorth neuromorphic چپ CMOS متحرک neuromorphic کا ایک مثالی نمونہ ہے کہا، فی الحال یفڈی سے Soi سیکھنے (DynapSEL) توسیع پذیر متفاوت پروسیسرز تعمیر 28nm کے ایک بڑے پیمانے پر neuromorphic ملٹی کور پروسیسرز ہے ایک اور مثال. DynapSEL NeuRAM فی الحال ترقیاتی منصوبے 3 یورپی تحقیق کے منصوبے کے تعاون سے ایک ہے.
ڈیجیٹل میں TrueNorth نیوران عملدرآمد، اور DynapSEL قیاس ہے. تاہم، ان دو چپس نہیں مؤثر طریقے سے مکمل طور پر باضابطہ neuromorphic نظام، میموری اعصابی فارم کے کام کاج کے اصول پر مبنی نہیں ہے کیونکہ ہو.
سائنسی برادری، ایک پروسیسنگ یونٹ میموری کو بند کرنے کی کوشش کر مکمل طور پر روایتی پدانکردوست میموری فن تعمیر کو تبدیل کر دیا، اور اس کی مکمل صلاحیت کو ابھی تک 'میموری آپریشن' (میں میموری کمپیوٹنگ) تاریخ، neuromorphic ہارڈ ویئر کے حصول کے لئے ہے، ڈی حملہ کہا: ' ہم انتہائی اعلی کثافت 3D فن تعمیر neuromorphic حساب کتاب 'استعمال کرنے کے نیوران اور synapses کے درمیان زیادہ سے زیادہ رابطے اور reconfigurability حاصل کرنے کے لئے کی ضرورت ہے.
کیڑے دماغ
اب ہم انسانی دماغ کے لئے جانا جاتا ہے 100 ارب نیوران، اور ان کے دماغ کا سائز کے بارے میں ایک کا 1mm کیوب میں شہد کی مکھیوں کی طرح دیگر سمارٹ کیڑوں، 950،000 نیوران ہیں ہیں. ڈی حملہ کیڑے کی ایک قسم میں نے نشاندہی کی، مکھی دماغ بڑا ہے انہوں نے کہا: 'ہم نیوران انسانی دماغ کے اعصاب یوآن غیر تسلی بخش سمجھ کے لئے، تاہم، شہد کی مکھیوں کے دماغ کی نقشہ سازی میں سمجھنے کے قابل کیا گیا ہے.'
سائنسدانوں نے 'مکھی بہت ہوشیار ہے.' کیونکہ، مکھی دماغ ویچرچھیدن کرنا چاہتے ہیں مکھی 'اس کے نیوی گیشن کے ذریعے سے foraging کے قابل بہت سینسرز موجود ہیں، اور ایک گروپ میں بات چیت کرنے کا طریقہ معلوم ہے. ایک گروہ میں رہنے پر شہد کی مکھیوں لازمی شہد کی مکھیوں کی دوسری خصوصیات کو جانتے ہیں. '
'کورس کے، مکھی دماغ چھوٹی لیکن آسان کردہ فارم AI نظام کے لئے ایک اچھا ماڈل فراہم کرتا ہے،' ڈی حملہ نے کہا: 'یہ ایک منظم انداز میں سوچنے کی ضرورت پر زور دیتا ہے، اور علیحدہ نہیں کیونکہ حیاتیات اور سینسر سگنل عمل.
AI تازہ ترین پیش رفت؟
دس سال پہلے، کوئی نہیں اب ہم AI سے ایک پیش رفت دیکھتے ہیں کہ سوچ سکتا تھا.
تاہم، ڈی سالو کے مطابق، صنعت AI کے امکانات کی وجہ سے AI ایپلی کیشنز کو بھی تیزی سے منتقل کر سکتی ہے، حقیقت میں انہوں نے کہا: 'ہم اب بھی AI نظام کی مکمل تفہیم نہیں ہیں ... صرف گہری سیکھنے کی طرح.'
انہوں نے وضاحت کی کہ گہرے سیکھنے اور نتیجے میں نظام کی پیچیدگی میں چھپی ہوئی تہذیب موجود ہے جو کہ یہ کہنا مشکل بناتا ہے کہ کس طرح کی کارکردگی کو بہتر بنانے کے لئے سب سے بڑی ذمہ داری ہے. "جنرل انٹیلی جنس، سیکھنے، تجزیہ اور استدلال کے مقابلے میں حاصل ہونے والی مقبولیت اب بھی بہت محدود ہے.
درجہ بندی کے لحاظ سے گہری تعلیم عمدہ ہے، لیکن 'پیشرفت نیورونول کمپیوٹنگ میں بنیادی مسئلہ ہے،' ڈی سالو نے کہا: 'حال ہی میں، نیند نیٹ ورک نے سادہ کاموں میں ناکام رہنے میں ناکام رہے ہیں جنہیں انسان نے کبھی بھی یاد نہیں کیا.' سالو اور اے Nguyen et al. کا حوالہ دیتے ہوئے، 'گہرے نوری نیٹ ورکس آسانی سے غلط ہیں: ناقابل یقین تصاویر کے لئے اعلی اعتماد کی پیشن گوئی،' وہ اس بات کا خدشہ ہے کہ آخر میں مارکیٹ کی ترقی کو روکنے کے لئے، اور یہاں تک کہ 'صارفین کے اعتماد کو دھوکہ دیا، جس نے سنگین اخلاقی سوالات بنائے.'
مرتب کریں: سوسن ہانگ