همشهری آنلاین، فرخنده رفائی: بیشتر مدلهای هوش مصنوعی امروزی به سختافزار قدرتمند و انرژی قابلتوجهی نیاز دارند و همین مسئله استفاده از آنها را در دستگاههای کوچک و مستقل دشوار میکند. پژوهشگران اکنون برای حل این مشکل سراغ موجوداتی رفتهاند که فاقد مغز و سیستم عصبی هستند، اما میتوانند اطلاعات محیط اطراف خود را پردازش کنند و واکنش نشان دهند: باکتریها.
بر اساس گزارشی که سایت دانشگاه «نبراسکا لینکلن» منتشر شده، دانشیار دانشکده علوم رایانه این دانشگاه، با دریافت کمکهزینه ۷۸۲ هزار و ۳۵۸ دلاری بنیاد ملی علوم آمریکا، پروژهای سهساله را برای توسعه معماری جدید هوش مصنوعی آغاز کرده است. این معماری از شبکههای تنظیم ژن در باکتریها الهام میگیرد و پژوهشگران آن را «شبکههای مصنوعی غیرنورونی» نامیدهاند.
باکتریها برخلاف مغز انسان شبکهای از نورونها ندارند، اما شبکههای تنظیم ژنی آنها میتوانند فعالیت ژنها را بر اساس شرایط داخلی و خارجی تغییر دهند. همین سازوکار به آنها اجازه میدهد محیط را تشخیص دهند، خود را با شرایط جدید تطبیق دهند و برای بقا واکنش مناسب نشان دهند؛ آن هم با مصرف انرژی بسیار پایین.
پژوهشگران قصد دارند ابتدا سازوکارهای مربوط به پردازش اطلاعات، تشخیص زمینه و عملکرد حافظه را در این شبکههای ژنی بررسی کنند. سپس یافتههای خود را به مدلهای ریاضی و الگوریتم تبدیل خواهند کرد تا یک معماری محاسباتی جدید برای هوش مصنوعی و پردازش لبهای بسازند.
بیشتر بخوانید:
- رباتی که میتواند تا ۱۰۰ برابر وزن خود را بلند کند
- امضای طبیعت پای شاهکارهای مدرن
- زیست الگوبرداری؛ پیوند هنر طراحی و مهندسی طبیعت | عکس
نتایج اولیه پروژه حتی از یک تفاوت چشمگیر خبر میدهد. در یکی از نمونههای آزمایشی، یک شبکه عصبی معمولی برای انجام کار موردنظر به بیش از ۱۰ هزار پارامتر نیاز داشت، درحالیکه نسخه الهامگرفته از شبکه ژنی با تنها ۱۵ پارامتر توانست خطای پیشبینی کمتری ثبت کند؛ یعنی تعداد پارامترها تقریباً ۶۹۰ برابر کمتر بود. این نتیجه هنوز بخشی از آزمایشهای اولیه است و بهتنهایی به معنای برتری این معماری بر شبکههای عصبی رایج نیست.
هدف نهایی پژوهشگران، اجرای این معماری روی مدارهای قابلبرنامهریزی و استفاده از آن در دستگاههایی است که محدودیت جدی در توان پردازشی یا انرژی دارند. حسگرهای کوچک، تجهیزات پوشیدنی، سامانههای پایش محیطی، رباتهای مستقل و دستگاههایی که باید برای مدت طولانی بدون شارژ مجدد کار کنند، از جمله کاربردهای احتمالی این فناوری هستند.
اگر این رویکرد موفق شود، میتواند مسیر متفاوتی برای طراحی هوش مصنوعی ایجاد کند؛ مسیری که بهجای تقلید صرف از مغز و نورونهای انسان، از سازوکارهای موجود در دیگر موجودات زنده نیز برای ساخت سامانههای محاسباتی الهام میگیرد.