O rețea minusculă, autoorganizată de sinapse artificiale, își amintește experiențele și poate rezolva probleme simple. Creatorii săi speră că într-o zi, pe baza acestui creier artificial, vor fi create dispozitive care în eficiența lor energetică nu sunt inferioare puterii de calcul a creierului. În general, creierele, dacă omitem realizările lor în gândirea și rezolvarea problemelor, sunt perfecte în eficiența lor energetică. Creierul are nevoie de aceeași cantitate de energie pentru a funcționa ca o lampă incandescentă de 20 de wați. Și unul dintre cei mai puternici și mai rapide supercomputere din lume, Computer K din Kobe, Japonia, folosește până la 9,89 megawati de putere - cam la fel ca 10 000 de case. Dar în 2013, chiar și cu această energie, a fost nevoie de aparatul de 40 de minute pentru a simula 1% din activitatea creierului uman în 1 secundă.
Și astfel inginerii de cercetare de la Institutul NanoSystems din California de la Universitatea din California, Los Angeles speră să rivalizeze cu capacitățile de calcul și eficiență energetică ale creierului, datorită sistemelor care reflectă structura creierului. Ei creează un dispozitiv, posibil primul de acest gen, care este „inspirat de creier pentru a genera proprietăți care să permită creierului să facă ceea ce face”, spune Adam Stig, cercetător și profesor asociat la institutul care conduce proiectul cu Jim Gimzewski, profesor de chimie la Universitatea din California. În Los Angeles.
Proiectarea lor nu este deloc asemănătoare computerelor obișnuite, care se bazează pe fire mici tipărite pe microcircuite de siliciu în circuite foarte ordonate. Versiunea experimentală actuală este o grilă de 2 x 2 mm de nanofire de argint conectate prin sinapsele artificiale. Spre deosebire de circuitele de siliciu cu precizia sa geometrică, acest dispozitiv este țesut ca un "vas de spaghete bine amestecat", spune Stig. Mai mult, structura sa fină este organizată din procese chimice și electrice aleatorii și nu este proiectată cu atenție.
În complexitatea sa, această pânză de argint seamănă cu un creier. Există un miliard de sinapse artificiale pe centimetrul pătrat al grilei, care este de câteva ordine de mărime diferită de creierul real. Activitatea electrică a rețelei prezintă, de asemenea, o proprietate unică pentru sisteme complexe precum creierul: „criticitate”, o stare între ordine și haos care indică eficiență maximă.
Această rețea de nanofire extrem de împletite poate arăta haotic și aleatoriu, dar structura și comportamentul său seamănă cu cea a neuronilor din creier. Oamenii de știință de la NanoSystems o dezvoltă ca dispozitiv cerebral pentru învățare și calcul.
Mai mult, experimentele preliminare arată că această plasă de sârmă de argint neuromorfă (adică creier) are un potențial funcțional mare. Ea poate efectua deja operații simple și educative. Poate elimina zgomotul nedorit din semnalul primit, o abilitate importantă pentru recunoașterea vocii și sarcini similare care provoacă probleme în calculatoarele tradiționale. Iar existența sa dovedește principiul potrivit căruia într-o zi va fi posibil să se creeze dispozitive cu eficiență energetică apropiată de cea a creierului.
Aceste avantaje sunt deosebit de curioase pe fondul limită de apropiere a miniaturizării și eficienței microprocesoarelor de siliciu. „Legea lui Moore este moartă, semiconductorii nu se mai pot micșora, iar oamenii încep să se plângă despre ce trebuie să facă”, spune Alex Nugent, CEO al Knowm, o companie de calcul neuromorfică care nu este implicată în proiectul UCLA. „Îmi place această idee, această direcție. Platformele de calcul convenționale sunt de un miliard de ori mai puțin eficiente."
Video promotional:
Comută ca sinapse
Când Gimrzewski a început să lucreze la proiectul său de grilă de argint în urmă cu 10 ani, nu era deloc interesat de eficiența energetică. El era plictisit. După ce a folosit un microscop cu tuneluri de scanare pentru a studia electronica la scară atomică timp de 20 de ani, el a spus în cele din urmă: „Sunt obosit de perfecțiune și control precis și cam obosit de reducționism”.
Reducționismul ar trebui să se presupună că stă la baza tuturor microprocesoarelor moderne, când fenomenele și circuitele complexe pot fi explicate folosind elemente și fenomene simple.
În 2007, i s-a cerut să studieze întrerupătoare atomice individuale (sau întrerupătoare) dezvoltate de grupul Masakazu Aono din Centrul Internațional pentru Materiale de Nanoarhitectonică din Tsukuba, Japonia. Aceste întrerupătoare conțineau același ingredient care face ca o lingură de argint să devină negru atunci când atinge un ou: sulfura de fier se întreprinde între argintul metalic dur.
Aplicarea tensiunii pe dispozitive împing ionii de argint încărcați pozitiv în sulfura de argint spre stratul de catod de argint, unde sunt reduse la argint metalic. Filamentele atomice de argint cresc, în cele din urmă, închizând decalajul dintre laturile metalice de argint. Comutatorul este pornit și curentul poate curge. Reversarea curentului are efectul opus: podurile de argint sunt scurtate și comutatorul este oprit.
Cu toate acestea, la scurt timp după dezvoltarea comutatorului, grupul lui Aono a început să observe un comportament neobișnuit. Cu cât se folosea mai des întrerupătorul, cu atât era mai ușor să pornești. Dacă nu a fost folosit de ceva timp, acesta s-a oprit treptat de la sine. În esență, comutatorul și-a amintit istoria. Aono și colegii săi au descoperit, de asemenea, că întrerupătoarele păreau să interacționeze între ele, astfel încât pornirea unui buton ar putea bloca sau dezactiva alte persoane din apropiere.
Majoritatea grupului Aono a dorit să construiască aceste proprietăți ciudate în afara comutatoarelor. Dar Gimrzewski și Stig (care tocmai își terminaseră doctoratul în grupul lui Gimrzewski) și-au amintit sinapsele, schimbările dintre celulele nervoase din creierul uman, care schimbă și relațiile cu experiența și interacțiunea. Și așa s-a născut ideea. „Ne-am gândit, de ce să nu încercăm să traducem toate acestea într-o structură care seamănă cu o scoarță cerebrală de mamifer și să o studiem?”, Spune Stig.
Construirea unei structuri atât de complexe a fost cu siguranță dificilă, dar Stig și Odrius Avicenis, care tocmai s-au alăturat grupului ca student absolvent, au elaborat un protocol pentru acest lucru. Prin turnarea nitratului de argint pe sfere minuscule de cupru, acestea ar putea determina să crească fire microscopice subțiri, care se intersectează. Aceștia ar putea apoi să pompeze gazul cu sulf prin această rețea pentru a crea un strat de sulfură argintie între firele de argint, ca în comutatorul atomic al echipei originale Aono.
Criticitate autoorganizată
Când Gimzewski și Stig au povestit altora despre proiectul lor, nimeni nu credea că va funcționa. Unii au spus că dispozitivul va arăta un tip de activitate statică și se va baza pe acesta, a amintit Stig. Alții au sugerat contrariul: „Au spus că întrerupătorul va cădea și că întreaga structură se va arde”, spune Gimzewski.
Dar dispozitivul nu s-a topit. În schimb, când Gimzewski și Stig l-au urmărit printr-o cameră cu infraroșu, curentul de intrare a continuat să modifice traseele pe care le-a luat prin dispozitiv - dovedind că activitatea din rețea nu era localizată, ci mai degrabă distribuită, ca în creier.
Într-o zi de toamnă în 2010, când Avicenis și colegul său Henry Sillin au crescut tensiunea de intrare la dispozitiv, au observat brusc că tensiunea de ieșire începe să oscileze la întâmplare, ca și cum plasa de sârmă ar fi prins viață. „Ne-am așezat și am privit-o, am fost șocați”, spune Sillin.
Ei au ghicit că au găsit ceva interesant. Când Avicenis a analizat datele de monitorizare pe parcursul mai multor zile, a descoperit că rețeaua a rămas la același nivel de activitate pentru perioade scurte mai des decât pentru perioade lungi. Ulterior au descoperit că zone mici de activitate erau mai frecvente decât cele mari.
„Mi-a scăzut maxilarul”, spune Avicenis, pentru că este prima dată când au învățat o lege a energiei electrice de pe dispozitivul lor. Legile puterii descriu relațiile matematice în care o variabilă se schimbă ca putere a alteia. Se aplică sistemelor în care scări mai mari, evenimente mai lungi sunt mai puțin comune decât cele mai mici și mai scurte, dar sunt răspândite și nu întâmplător. Per Bac, un fizician danez care a murit în 2002, a propus pentru prima dată legile privind puterea ca punct de reper al tuturor tipurilor de sisteme dinamice complexe care se pot organiza pe scări mari și pe distanțe lungi. Acest comportament, a spus el, indică faptul că un sistem complex echilibrează și funcționează pe media de aur între ordine și haos, într-o stare de „criticitate”, iar toate părțile sale interacționează și interconectează pentru o eficiență maximă.
După cum a prezis Buck, comportamentul legii puterii a fost observat în creierul uman: în 2003, Dietmar Plenz, neurofiziolog la Institutele Naționale de Sănătate, a observat că grupuri de celule nervoase au activat altele, care la rândul lor au activat altele, declanșând deseori cascade sistemice de activări. Plenz a descoperit că dimensiunile acestor cascade urmează o distribuție a legii puterii și creierul a acționat astfel încât să maximizeze răspândirea activității fără a risca să piardă controlul asupra răspândirii sale.
Faptul că dispozitivul Universității din California a demonstrat și legea puterii în acțiune este foarte important, spune Plentz. Deoarece rezultă că, la fel ca în creier, are un echilibru delicat între activare și inhibare, ceea ce menține funcția părților sale. Activitatea nu suprima setul, dar nici nu se oprește.
Giemzewski și Stig au descoperit ulterior o altă similitudine între rețeaua de argint și creier: la fel cum creierul uman adormit prezintă mai puține cascade scurte de activare decât creierul trezitor, starea de activare scurtă din rețeaua de argint devine mai puțin frecventă la energiile de intrare mai reduse. Într-un fel, reducerea consumului de energie a unui dispozitiv poate crea o stare asemănătoare cu starea latentă a creierului uman.
Învățare și calcul
Și iată întrebarea: dacă o rețea de fire argintii are proprietăți asemănătoare creierului, poate rezolva probleme de calcul? Experimentele preliminare au arătat că răspunsul este da, deși dispozitivul, desigur, nu este chiar de la distanță comparabil cu un computer obișnuit.
În primul rând, nu există software. În schimb, cercetătorii exploatează faptul că rețeaua poate denatura semnalul de intrare în diferite moduri, în funcție de locul unde se măsoară ieșirea. Aceasta oferă o posibilă utilizare pentru recunoașterea vocală sau a imaginii, deoarece dispozitivul trebuie să poată curăța un semnal zgomotos de intrare.
De asemenea, rezultă că dispozitivul poate fi utilizat pentru așa-numitele calcule ale rezervorului. Întrucât o singură intrare poate, în principiu, să genereze multe, milioane de ieșiri diferite (de aici rezervorul), utilizatorii pot selecta sau combina ieșiri, astfel încât rezultatul să fie calculul de intrare dorit. De exemplu, dacă stimulați un dispozitiv în două locații diferite în același timp, există șansa ca una dintre milioanele de ieșiri diferite să reprezinte suma celor două intrări.
Provocarea este de a găsi concluziile corecte și de a le decoda și de a descoperi cum este cel mai bine să codificați informația, astfel încât rețeaua să o poată înțelege. Acest lucru se poate realiza antrenând dispozitivul: rulând sarcina de sute sau mii de ori, mai întâi cu un tip de intrare, apoi cu altul și comparând mai bine ce ieșire face cu sarcina. „Nu programăm dispozitivul, dar alegem cea mai bună modalitate de codificare a informațiilor, astfel încât comportamentul rețelei să fie util și interesant”, spune Gimrzewski.
Într-o lucrare care va fi publicată în curând, oamenii de știință vor explica modul în care au antrenat o rețea de fire pentru a efectua operații logice simple. Și în experimentele nepublicate, ei au instruit rețeaua pentru a rezolva o simplă problemă de memorie dată de obicei șobolanilor (labirintul T). În testul T-labirint, șobolanul este răsplătit dacă face o rotație corectă ca răspuns la lumină. Cu propria versiune pentru instruire, rețeaua poate face alegerea corectă 94% din timp.
Până acum, aceste rezultate au fost doar mai mult decât o dovadă de principiu, spune Nugent. „Micul șobolan care ia o decizie în T-labirint nu se apropie niciodată de ceva din învățarea mașinii care poate evalua sistemele sale”, spune el. El se îndoiește că dispozitivul poate fi transformat într-un cip util în următorii câțiva ani.
Dar potențialul este imens, subliniază el. Deoarece rețeaua, ca și creierul, nu separă procesarea și memoria. Calculatoarele tradiționale trebuie să transfere informații între diferite domenii care gestionează aceste două funcții. „Toată această comunicare suplimentară se acumulează deoarece firele au nevoie de putere”, spune Nugent. Luând calculatoare tradiționale, ar trebui să opriți Franța pentru a simula un creier uman complet la o rezoluție decentă. Dacă dispozitive precum rețeaua de argint pot rezolva probleme cu eficiența algoritmilor de învățare a mașinilor care rulează pe computere tradiționale, pot utiliza o putere de un miliard de ori mai mică. Și atunci problema este mică.
Concluziile oamenilor de știință susțin, de asemenea, ideea că, în circumstanțele potrivite, sistemele inteligente pot fi formate prin autoorganizare fără niciun șablon sau proces pentru dezvoltarea lor. Rețeaua de argint „a apărut spontan”, spune Todd Hilton, fost manager DARPA care a susținut proiectul mai devreme.
Gimrzewski consideră că o rețea de fire de argint sau dispozitive similare poate fi mai bună decât calculatoarele tradiționale la prezicerea proceselor complexe. Calculatoarele tradiționale modelează lumea cu ecuații care deseori descriu fenomene complexe doar aproximativ. Rețelele neuromorfe cu comutator atomic își aliniează complexitatea structurală intrinsecă cu fenomenul pe care îl simulează. Și o fac și repede - starea rețelei poate fluctua cu viteze de până la zeci de mii de schimbări pe secundă. „Folosim un sistem complex pentru a înțelege fenomenele complexe”, spune Gimrzewski.
La începutul acestui an, la o întâlnire a American Chemical Society din San Francisco, Gimzewski, Stig și colegii lor au prezentat rezultatele unui experiment în care au alimentat dispozitivul primii trei ani ai unui set de date de trafic din Los Angeles, de șase ani, sub forma unei serii de impulsuri care indică numărul de impulsuri trecând mașinile pe oră. După sute de ore de antrenament, rezultatul a prezis în cele din urmă tendința statistică din a doua jumătate a setului de date și destul de bine, deși nu a fost afișat dispozitivului.
Poate că într-o zi, glumește Gimrzewski, folosește rețeaua pentru a prezice bursa.
Ilya Khel
