Malena, samoorganizirana mreža umjetnih sinapsi pamti njihova iskustva i može riješiti jednostavne probleme. Njegovi tvorci se nadaju da će jednoga dana na temelju ovog umjetnog mozga biti stvoreni uređaji koji po svojoj energetskoj učinkovitosti nisu niži od računalne snage mozga. Općenito, mozgovi su, ako izostavimo njihova postignuća u razmišljanju i rješavanju problema, savršeni u svojoj energetskoj učinkovitosti. Mozak treba istu količinu energije kako bi radila 20-vatna žarulja sa žarnom niti. A jedan od najmoćnijih i najbržih superračunala na svijetu, Computer K u Kobeu u Japanu, koristi do 9,89 megavata snage - otprilike 10.000 domova. No u 2013. godini, čak i uz ovu energiju, trebalo je stroju 40 minuta da simulira 1% aktivnosti ljudskog mozga u 1 sekundi.
I tako inženjeri istraživanja s Instituta NanoSystems u Kaliforniji, Sveučilište u Kaliforniji, nadaju se da će se suprotstaviti računalnim i energetski učinkovitim mogućnostima mozga, zahvaljujući sustavima koji zrcale strukturu mozga. Oni stvaraju uređaj, možda prvi takve vrste, koji je "nadahnuo mozak da stvara svojstva koja omogućuju mozgu da radi ono što radi", kaže Adam Stig, istraživač i izvanredni profesor u institutu koji vodi projekt s Jimom Gimrzewskim, profesorom kemije na Kalifornijskom sveučilištu. U Los Angelesu.
Njihov dizajn uopće nije poput običnih računala, koja su utemeljena na malim žicama ispisanim na silikonskim mikrovezama u vrlo uređenim krugovima. Trenutna eksperimentalna inačica je 2 x 2 mm srebrna nanožica spojena umjetnim sinapsama. Za razliku od silicijskog kruga sa svojom geometrijskom preciznošću, ovaj je uređaj tkan poput "dobro pomiješanog jela sa špagetama", kaže Stig. Štoviše, njegova fina struktura organizirana je iz slučajnih kemijskih i električnih procesa, i nije pažljivo dizajnirana.
U svojoj složenosti ovaj srebrni splet nalikuje mozgu. Na kvadratnom centimetru mreže nalazi se milijarda umjetnih sinapsa, što je nekoliko reda veličine različite od stvarnog mozga. Električna aktivnost mreže također pokazuje svojstvo jedinstveno za složene sustave poput mozga: "kritičnost", stanje između reda i kaosa koje ukazuje na maksimalnu učinkovitost.
Ova mreža visoko isprepletenih nano-žica može izgledati kaotično i slučajno, ali njegova struktura i ponašanje nalikuju neuronima u mozgu. Znanstvenici iz NanoSystems razvijaju ga kao moždani uređaj za učenje i računanje.
Štoviše, preliminarni eksperimenti pokazuju da ova neuromorfna (tj. Moždana) mreža srebrne žice ima veliki funkcionalni potencijal. Ona već može izvoditi jednostavne obrazovne i logičke operacije. Može ukloniti neželjeni šum iz primljenog signala, važnu sposobnost prepoznavanja glasa i slične zadatke koji uzrokuju probleme na tradicionalnim računalima. A njegovo postojanje dokazuje načelo da će jednog dana biti moguće stvoriti uređaje s energetskom učinkovitošću bliskom mozgu.
Te su prednosti posebno zanimljive u pozadini približavanja granice minijaturizacije i učinkovitosti silikonskih mikroprocesora. "Mooreov zakon je mrtav, poluvodiči se više ne mogu smanjivati, a ljudi počinju plakati o tome što učiniti", kaže Alex Nugent, izvršni direktor Knowm-a, neuromorfne računarske tvrtke koja nije uključena u UCLA projekt. „Sviđa mi se ta ideja, ovaj smjer. Konvencionalne računarske platforme su milijardu puta manje učinkovite."
Promotivni video:
Prebaci se kao sinapse
Kad je Gimrzewski prije 10 godina počeo raditi na svom projektu srebrne rešetke, njega uopće nije zanimala energetska učinkovitost. Bilo mu je dosadno. Koristeći skenirajući tunelirajući mikroskop za proučavanje elektronike na atomskoj ljestvici 20 godina, napokon je rekao: "Umoran sam od savršenstva i precizne kontrole, a malo sam umoran od redukcionizma."
Redukcionizam, treba pretpostaviti, stoji u osnovi svih modernih mikroprocesora, kada se složeni fenomeni i sklopovi mogu objasniti pomoću jednostavnih pojava i elemenata.
2007. godine od njega se tražilo da proučava pojedinačne atomske sklopke (ili sklopke) koje je razvila grupa Masakazu Aono Međunarodnog centra za materijale o nanoarhitektonici u Tsukubi u Japanu. Ove su sklopke sadržavale isti sastojak koji pretvori srebrnu žlicu u crnu kad dodirne jaje: željezni sulfid umočen u tvrdo metalno srebro.
Primjena napona na uređaje gura pozitivno nabijene ione srebra u srebrnom sulfidu prema sloju srebrne katode, gdje se smanjuju u metalno srebro. Atomska srebrna vlakna rastu, na kraju zatvarajući jaz između metalnih srebrnih strana. Prekidač je uključen i struja može teći. Obrtanje struje ima suprotan učinak: srebrni se mostovi skraćuju, a prekidač je isključen.
Međutim, ubrzo nakon razvijanja prekidača, Aonoova je grupa počela promatrati neobično ponašanje. Što se češće koristi prekidač, lakše ga je bilo uključiti. Ako se neko vrijeme nije koristio, postupno se isključio sam. U osnovi, prekidač je pamtio svoju povijest. Aono i njegovi kolege također su otkrili da se činilo da prekidači međusobno djeluju, tako da ponekad uključivanje jednog prekidača blokira ili isključi druge u blizini.
Većina u Aonovoj skupini htjela je konstruirati ta neobična svojstva izvan sklopki. Ali Gimrzewski i Stig (koji je upravo završio doktorat u grupi Gimrzewski) sjetili su se sinapsi, prebacivanja između živčanih stanica u ljudskom mozgu, koji također mijenjaju odnose s iskustvom i interakcijom. I tako se rodila ideja. "Mislili smo, zašto ne pokušati sve to prevesti u strukturu koja nalikuje moždanoj kore mozga sisavaca i proučiti je?", Kaže Stig.
Izgraditi tako složenu strukturu definitivno je bilo teško, ali Stig i Odrius Avicenis, koji su se tek pridružili grupi kao diplomski student, razvili su protokol za to. Izlivanjem srebrovog nitrata na sićušne bakrene sfere mogli bi uzrokovati mikroskopski tanke, presijecane srebrne žice. Tada su mogli crpiti sumporni plin kroz ovu mrežu da bi stvorili sloj srebrno-sulfida između srebrnih žica, kao u izvornom atomskom prekidaču Aono tima.
Samoorganizirana kritičnost
Kad su Gimzewski i Stig drugima rekli za svoj projekt, nitko nije vjerovao da će to uspjeti. Neki su rekli da će uređaj pokazati jednu vrstu statičke aktivnosti i podmiriti se na njemu, prisjetio se Stig. Drugi su sugerirali suprotno: "Rekli su da će se prekidač kaskadno dogoditi i da će cijela struktura izgorjeti", kaže Gimzewski.
Ali uređaj se nije rastopio. Nasuprot tome, kad su ga Gimzewski i Stig promatrali infracrvenom kamerom, ulazna struja nastavila je mijenjati putove kroz uređaj - dokazujući da aktivnost u mreži nije lokalizirana, već je raspodijeljena, kao u mozgu.
Jednog dana u jesen 2010. godine, dok su Avicenis i njegov kolega Henry Sillin povećavali ulazni napon na uređaju, iznenada su primijetili da izlazni napon počinje nasumično vibrirati, kao da je žičana mreža zaživjela. "Sjeli smo i pogledali, bili smo šokirani", kaže Sillin.
Pretpostavili su da su pronašli nešto zanimljivo. Kad je Avicenis tijekom nekoliko dana analizirao podatke praćenja, ustanovio je da je mreža ostala na istoj razini aktivnosti kraće nego za duga razdoblja. Kasnije su otkrili da su mala područja aktivnosti češća od velikih.
"Moja je čeljust pala", kaže Avicenis jer je to prvi put da su naučili zakon o napajanju sa svog uređaja. Zakoni moći opisuju matematičke odnose u kojima se jedna varijabla mijenja kao snaga druge. Primjenjuju se na sustave u kojima su veće skale, duži događaji rjeđi od manjih i kraćih, ali su rašireni i nisu slučajno. Per Bac, danski fizičar koji je umro 2002. godine, prvi je predložio zakone snage kao zaštitni znak svih vrsta složenih dinamičkih sustava koji se mogu organizirati na velikim mjerilima i na velikim daljinama. Ovo ponašanje, rekao je, ukazuje na to da složen sustav uravnotežuje i funkcionira na zlatnoj sredini između reda i kaosa, u stanju "kritičnosti", a svi njegovi dijelovi međusobno se međusobno povezuju radi postizanja maksimalne učinkovitosti.
Kao što je Buck predvidio, ponašanje ljudskog prava primijećeno je u ljudskom mozgu: 2003. godine Dietmar Plenz, neurofiziolog s Nacionalnog instituta za zdravlje, primijetio je da skupine živčanih stanica aktiviraju druge, što zauzvrat aktivira druge, često izazivajući sistemske kaskade aktivacija. Plenz je otkrio da veličine tih kaskada slijede raspodjelu zakona moći, a mozak je djelovao na način da maksimizira širenje aktivnosti bez rizika da izgubi kontrolu nad njezinim širenjem.
Činjenica da je uređaj Sveučilišta u Kaliforniji također pokazao zakon moći u akciji je vrlo važno, kaže Plentz. Jer iz toga proizlazi da, kao i u mozgu, on ima osjetljivu ravnotežu između aktivacije i inhibicije, koja održava zbroj njegovih dijelova u radu. Aktivnost ne potiskuje skup, ali ne zaustavlja ni jedno.
Gimrzewski i Stig su kasnije otkrili još jednu sličnost između srebrne mreže i mozga: baš kao što ljudski mozak spavanja pokazuje manje kratkih kaskada aktivacije od budnog mozga, stanje kratkog aktiviranja u srebrnoj mreži postaje manje uobičajeno pri nižim ulaznim energijama. Na neki način, smanjenjem potrošnje energije uređaja može se stvoriti stanje koje nalikuje uspavanom stanju ljudskog mozga.
Učenje i računanje
I evo pitanja: ako mreža srebrnih žica ima svojstva slična mozgu, može li to riješiti računske probleme? Preliminarni eksperimenti pokazali su da je odgovor potvrdan, iako uređaj, naravno, nije ni približno uporediv s običnim računalom.
Prvo, nema softvera. Umjesto toga, istraživači iskorištavaju činjenicu da mreža može iskriviti dolazni signal na različite načine, ovisno o mjestu gdje se mjeri izlaz. To nudi mogućnost upotrebe prepoznavanja glasa ili slike, jer uređaj mora moći očistiti bučni ulazni signal.
Iz toga također proizlazi da se uređaj može koristiti za izračun takozvanih rezervoara. Budući da jedan ulaz može, u načelu, generirati mnogo, milijune različitih izlaza (otuda i rezervoar), korisnici mogu odabrati ili kombinirati izlaze tako da je rezultat željeni ulazni proračun. Na primjer, ako stimulirate uređaj na dva različita mjesta istovremeno, postoji šansa da jedan od milijuna različitih izlaza predstavlja zbroj dva ulaza.
Izazov je pronaći ispravne zaključke i dekodirati ih te smisliti kako najbolje kodirati informacije kako bi ih mreža mogla razumjeti. To se može postići obukom uređaja: izvršavanjem zadatka stotine ili tisuće puta, prvo s jednom vrstom unosa, zatim s drugom i usporedbom koji se izlaz bolje nosi s zadatkom. "Ne programiramo uređaj, ali odabiremo najbolji način kodiranja informacija tako da je ponašanje mreže korisno i zanimljivo", kaže Gimrzewski.
U radu koji će uskoro biti objavljen, znanstvenici će objasniti kako su osposobili mrežu žica za izvođenje jednostavnih logičkih operacija. U neobjavljenim eksperimentima, uvježbavali su mrežu za rješavanje jednostavnog problema s pamćenjem koji se obično daje štakorima (T-labirint). U T-maze testu, štakor se nagrađuje ako napravi ispravan okret kao odgovor na svjetlost. S vlastitom verzijom za obuku, mreža može donijeti pravi izbor 94% vremena.
Do sada su ovi rezultati malo više od dokaza principa, kaže Nugent. "Mali štakor koji donosi odluku u T-labirintu nikada se ne približava nečemu u strojnom učenju koje može procijeniti njegove sustave", kaže on na tradicionalnom računalu. Sumnja da se uređaj u sljedećih nekoliko godina može pretvoriti u koristan čip.
Ali potencijal je ogroman, naglašava on. Jer mreža, poput mozga, ne razdvaja obradu i memoriju. Tradicionalna računala trebaju prenositi informacije između različitih domena koje upravljaju ove dvije funkcije. "Sva se ova dodatna komunikacija izgrađuje jer žicama treba snaga", kaže Nugent. Uzimajući tradicionalna računala, morali biste isključiti Francusku da biste simulirali kompletan ljudski mozak pristojnom razlučivosti. Ako uređaji poput Srebrne mreže mogu riješiti probleme s učinkovitošću algoritama strojnog učenja koji se izvode na tradicionalnim računalima, mogu koristiti milijardu puta manje energije. A onda je stvar mala.
Otkrića znanstvenika također podupiru ideju da pod pravim okolnostima inteligentne sustave može formirati samoorganizacija bez ikakvog predloška ili procesa za njihov razvoj. Srebrna mreža "spontano se pojavila", kaže Todd Hilton, bivši DARPA menadžer koji je rano podržao projekt.
Gimrzewski vjeruje da mreža srebrnih žica ili sličnih uređaja može biti bolja od tradicionalnih računala pri predviđanju složenih procesa. Tradicionalna računala modeliraju svijet jednadžbama koje često samo približno opisuju složene pojave. Neuromorfne mreže atomske sklopke usklađuju vlastitu strukturnu složenost s fenomenom koji simuliraju. I oni to brzo rade - stanje mreže može se mijenjati brzinom do nekoliko desetaka tisuća promjena u sekundi. "Koristimo složen sustav za razumijevanje složenih pojava", kaže Gimrzewski.
Ranije ove godine, na sastanku Američkog kemijskog društva u San Franciscu, Gimzewski, Stig i njihovi kolege predstavili su rezultate eksperimenta u kojem su hranili uređaj prve tri godine šestogodišnjeg skupa podataka o prometu u Los Angelesu u obliku niza impulsa koji ukazuju na broj impulsa prolaze automobili na sat. Nakon stotina sati obuke, izlaz je napokon predvidio statistički trend druge polovine skupa podataka, i to vrlo dobro, iako nije prikazan uređaju.
Možda jednog dana, šali se Gimzewski, koristi mrežu da predvidi tržište dionica.
Ilya Khel