Neliels, pašorganizēts mākslīgo sinapsu tīkls atceras viņu pieredzi un var atrisināt vienkāršas problēmas. Tās veidotāji cer, ka kādu dienu, pamatojoties uz šīm mākslīgajām smadzenēm, tiks izveidotas ierīces, kas ir tikpat energoefektīvas kā smadzeņu skaitļošanas jauda. Kopumā smadzenes, ja mēs izlaižam vērā viņu sasniegumus domāšanā un problēmu risināšanā, ir lieliski piemērotas energoefektivitātei. Smadzenēm ir nepieciešams tāds pats enerģijas daudzums, lai tās darbotos kā 20 vatu kvēlspuldze. Un viens no jaudīgākajiem un ātrākajiem superdatoriem pasaulē Computer K Kobes pilsētā Japānā izmanto līdz 9,89 megavatu jaudu - apmēram tikpat, cik 10 000 māju. Bet 2013. gadā, pat izmantojot šo enerģiju, mašīnai vajadzēja 40 minūtes, lai 1 sekundē simulētu 1% cilvēka smadzeņu aktivitātes.
Un tāpēc pētniecības inženieri NanoSystems institūtā Kalifornijas Universitātē Losandželosā cer konkurēt ar smadzeņu skaitļošanas un energoefektīvajām iespējām, pateicoties sistēmām, kas atspoguļo smadzeņu struktūru. Viņi rada ierīci, kas, iespējams, ir pirmā šāda veida ierīce, kuru “smadzenes iedvesmo īpašībām, kas smadzenēm ļauj darīt to, ko tās dara”, saka Ādams Stigs, institūta pētnieks un asociētais profesors, kurš vada projektu kopā ar Kalifornijas universitātes ķīmijas profesoru Džimu Gimrzewski. Losandželosā.
To dizains nepavisam nav līdzīgs parastajiem datoriem, kuru pamatā ir mazi vadi, kas ir uzdrukāti uz silīcija mikroshēmām ļoti sakārtotās shēmās. Pašreizējā eksperimentālā versija ir 2 x 2 mm režģis sudraba nanodaļu, kas savienoti ar mākslīgām sinapsēm. Atšķirībā no silīcija shēmām ar savu ģeometrisko precizitāti, šī ierīce ir austa kā “labi sajaukts spageti trauks”, saka Stīgs. Turklāt tā smalkā struktūra ir veidota no nejaušiem ķīmiskiem un elektriskiem procesiem, un tā nav rūpīgi izstrādāta.
Sarežģītībā šis sudraba tīkls atgādina smadzenes. Uz režģa kvadrātcentimetru ir miljards mākslīgo sinapsu, kas ir vairāku lielumu kārtas, kas atšķiras no reālajām smadzenēm. Tīkla elektriskajai aktivitātei piemīt arī īpašība, kas raksturīga tikai tādām sarežģītām sistēmām kā smadzenes: "kritiskums", stāvoklis starp kārtību un haosu, kas norāda uz maksimālu efektivitāti.
Šis ļoti savstarpēji saistīto nanodaļu tīkls var izskatīties haotiski un nejauši, bet tā struktūra un uzvedība atgādina smadzeņu neironu struktūru. NanoSystems zinātnieki to izstrādā kā smadzeņu ierīci mācīšanai un skaitļošanai.
Turklāt sākotnējie eksperimenti rāda, ka šim neiromorfiskajam (t.i., smadzenēm līdzīgajam) sudraba stiepļu tīklam ir liels funkcionālais potenciāls. Viņa jau var veikt vienkāršas izglītojošas un loģiskas operācijas. Tas var noņemt nevēlamo troksni no saņemtā signāla, svarīgu balss atpazīšanas spēju un līdzīgus uzdevumus, kas rada problēmas tradicionālajos datoros. Un tā pastāvēšana pierāda principu, ka kādu dienu būs iespējams izveidot ierīces ar energoefektivitāti tuvu smadzenēm.
Šīs priekšrocības ir īpaši interesantas, ņemot vērā silīcija mikroprocesoru miniatūrizācijas un efektivitātes robežu. "Mūra likums ir miris, pusvadītāji vairs nevar kļūt mazāki, un cilvēki sāk ķerties pie tā, kā rīkoties," saka Alekss Nugens, neiromorfiskas skaitļošanas uzņēmuma Knowm izpilddirektors, kas nav iesaistīts UCLA projektā. “Man patīk šī ideja, šis virziens. Parastās skaitļošanas platformas ir miljardu reižu mazāk efektīvas."
Reklāmas video:
Pārslēdzas kā sinapses
Kad Gimrzewski pirms 10 gadiem sāka strādāt pie sava sudraba režģa projekta, viņu nemaz neinteresēja energoefektivitāte. Viņam bija garlaicīgi. Izmantojot skenējošu tunelēšanas mikroskopu, lai 20 gadus pētītu elektroniku atomu mērogā, viņš beidzot teica: "Esmu noguris no pilnības un precīzas vadības un nedaudz noguris no redukcionisma."
Jāpieņem, ka redukcionisms ir pamatā visiem mūsdienu mikroprocesoriem, kad sarežģītas parādības un shēmas var izskaidrot, izmantojot vienkāršas parādības un elementus.
2007. gadā viņam tika lūgts izpētīt atsevišķus atomu slēdžus (vai slēdžus), ko izstrādāja Masakuzu Aono grupa Starptautiskajā nanoarhitektonikas materiālu centrā Tsukubā, Japānā. Šajos slēdžos bija tā pati sastāvdaļa, kas, pieskaroties olai, sudraba karoti kļūst melna: dzelzs sulfīds, kas atrodas starp cieto metālisko sudrabu.
Izmantojot spriegumu ierīcēm, pozitīvi uzlādētie sudraba joni sudraba sulfīdā virzās uz sudraba katoda slāni, kur tie tiek samazināti līdz metāliskam sudrabam. Sudraba atomu pavedieni aug, galu galā aizverot plaisu starp metāliskā sudraba pusēm. Slēdzis ir ieslēgts un var plūst strāva. Strāvas apgriešanai ir pretējs efekts: sudraba tilti tiek saīsināti un slēdzis ir izslēgts.
Tomēr neilgi pēc slēdža izstrādes Aono grupa sāka novērot neparastu izturēšanos. Jo biežāk slēdzis tika izmantots, jo vieglāk to bija ieslēgt. Ja tas kādu laiku netika izmantots, tas pakāpeniski izslēdzās pats. Būtībā slēdzis atcerējās savu vēsturi. Aono un viņa kolēģi arī atklāja, ka slēdži, šķiet, mijiedarbojas viens ar otru tā, ka, ieslēdzot vienu slēdzi, dažreiz tiek bloķēti vai izslēgti citi tuvumā esošie.
Vairākums Aono grupas vēlējās konstruēt šīs savādās īpašības ārpus slēdžiem. Bet Gimrzewski un Stig (kuri tikko bija pabeiguši doktora grādu Gimrzewski grupā) atcerējās sinapses, pārslēgumus starp nervu šūnām cilvēka smadzenēs, kas arī maina attiecības ar pieredzi un mijiedarbību. Un tā ideja radās. “Mēs domājām, kāpēc gan nemēģināt to visu pārveidot struktūrā, kas atgādina zīdītāju smadzeņu garozu, un to izpētīt?” Saka Stīvs.
Izveidot tik sarežģītu struktūru noteikti bija grūti, taču Stig un Odrius Avicenis, kuri nupat bija pievienojušies grupai kā maģistrantūras studenti, izstrādāja tam protokolu. Ielejot sudraba nitrātu sīkām vara sfērām, tie var izraisīt mikroskopiski plānu, krustojošu sudraba stiepļu augšanu. Pēc tam viņi varēja sūknēt sēra gāzi caur šo režģi, lai izveidotu sudrabainu sulfīda slāni starp sudraba stieplēm, tāpat kā sākotnējā Aono komandas atomu slēdžā.
Pašorganizēta kritika
Kad Gimzewski un Stig pastāstīja citiem par savu projektu, neviens neticēja, ka tas darbosies. Daži teica, ka ierīce parādīs viena veida statiskās aktivitātes un apmetīsies uz to, atgādināja Stigs. Citi ierosināja pretējo: “Viņi teica, ka slēdzis notiks kaskādes veidā, un visa struktūra vienkārši izdegīs,” saka Gimzewski.
Bet ierīce neizkusa. Turpretī, kad Gimzewski un Stig vēroja viņu caur infrasarkano kameru, ieejas strāva turpināja mainīt ceļus, ko tā veica caur ierīci - pierādot, ka darbība tīklā nav lokalizēta, bet drīzāk sadalīta, kā smadzenēs.
Vienā 2010. gada kritiena dienā, kad Avicenis un viņa kolēģis Henrijs Sillins palielināja ierīces ieejas spriegumu, viņi pēkšņi pamanīja, ka izejas spriegums sāk nejauši svārstīties, it kā stiepļu tīkls būtu atdzīvojies. “Mēs apsēdāmies un paskatījāmies uz to, ka bijām šokēti,” stāsta Sillina.
Viņi uzminēja, ka ir atraduši kaut ko interesantu. Kad Avicenis vairāku dienu laikā analizēja monitoringa datus, viņš atklāja, ka tīkls īsā laika posmā ir vienā līmenī ar darbību biežāk nekā ilgu laiku. Viņi vēlāk atklāja, ka nelielas darbības jomas ir biežākas nekā lielas.
“Man žoklis nokrita,” saka Avicenis, jo tā ir pirmā reize, kad viņi no savas ierīces uzzināja enerģijas likumu. Spēka likumi apraksta matemātiskas attiecības, kurās viens mainīgais mainās kā otra spēks. Tie attiecas uz sistēmām, kurās lielāki mērogi, garāki notikumi ir mazāk izplatīti nekā mazāki un īsāki, taču tie ir plaši izplatīti un nejauši. 2002. gadā mirušais dāņu fiziķis Per Bakāns ierosināja jaudas likumus kā visu veidu sarežģītu dinamisku sistēmu pazīmes, kuras var organizēt lielos mērogos un lielos attālumos. Pēc viņa teiktā, šī rīcība norāda, ka sarežģīta sistēma balansē un darbojas zelta vidējā līmenī starp kārtību un haosu "kritiskuma" stāvoklī, un visas tās daļas mijiedarbojas un savstarpēji savienojas, lai panāktu maksimālu efektivitāti.
Kā prognozēja Buks, cilvēka smadzenēs tika novērota spēka likuma izturēšanās: 2003. gadā Nacionālā veselības institūta neirofiziologs Dietmar Plenz novēroja, ka nervu šūnu grupas aktivizēja citas, kas savukārt aktivizēja citas, bieži izraisot sistēmiskas aktivitāšu kaskādes. Plens atklāja, ka šo kaskāžu lielumi seko pēc varas likuma sadalījuma, un smadzenes rīkojās tā, lai maksimāli palielinātu aktivitātes izplatīšanos, neriskējot zaudēt kontroli pār to izplatību.
Ļoti svarīgi ir tas, ka Kalifornijas universitātes ierīce demonstrēja varas likumu darbībā, saka Plentzs. Tāpēc, ka no tā izriet, ka, tāpat kā smadzenēs, tam ir smalks līdzsvars starp aktivizēšanu un kavēšanu, kas uztur tā daļu darbību. Darbība neapspiež komplektu, bet arī neapstājas.
Vēlāk Gimzewski un Stig atrada vēl vienu sudraba tīkla un smadzeņu līdzību: tāpat kā guļoša cilvēka smadzenēm ir mazāk īsas aktivizēšanas kaskādes nekā nomoda smadzenēm, īsa aktivizācijas stāvoklis sudraba tīklā kļūst retāks zemākās ieejas enerģijās. Kaut kādā veidā samazinot ierīces enerģijas patēriņu, var izveidot stāvokli, kas līdzinās pasīvajam cilvēka smadzeņu stāvoklim.
Mācīšanās un skaitļošana
Un šeit ir jautājums: ja sudraba vadu tīklam ir smadzenēm līdzīgas īpašības, vai tas var atrisināt skaitļošanas problēmas? Sākotnējie eksperimenti parādīja, ka atbilde ir jā, lai gan ierīce, protams, nav pat attālināti salīdzināma ar parasto datoru.
Pirmkārt, nav programmatūras. Tā vietā pētnieki izmanto faktu, ka tīkls var izkropļot ienākošo signālu dažādos veidos, atkarībā no tā, kur tiek mērīta izeja. Tas piedāvā balss vai attēla atpazīšanas iespēju, jo ierīcei jāspēj iztīrīt trokšņainu ieejas signālu.
No tā arī izriet, ka ierīci var izmantot tā saucamajiem rezervuāru aprēķiniem. Tā kā viena ieeja principā var radīt daudzus, miljonus dažādu izvadu (tātad rezervuāru), lietotāji var izvēlēties vai apvienot izejas tā, lai rezultāts būtu vēlamais ieejas aprēķins. Piemēram, ja jūs vienlaikus stimulējat ierīci divās dažādās vietās, pastāv iespēja, ka viens no miljoniem dažādu izvadu atspoguļos divu ieeju summu.
Izaicinājums ir atrast pareizos secinājumus un tos atšifrēt, kā arī izdomāt, kā vislabāk kodēt informāciju, lai tīkls to saprastu. To var izdarīt, apmācot ierīci: palaižot uzdevumu simtiem vai tūkstošiem reižu, vispirms ar viena veida ievadi, tad ar citu, un salīdzinot, kura izeja tiek galā ar uzdevumu labāk. "Mēs neieprogrammējam ierīci, bet mēs izvēlamies vislabāko informācijas kodēšanas veidu, lai tīkla uzvedība būtu noderīga un interesanta," saka Gimrzewski.
Drīzumā publicējamā darbā zinātnieki izskaidros, kā viņi apmācīja vadu tīklu vienkāršu loģisku darbību veikšanai. Nepublicētos eksperimentos viņi apmācīja tīklu, lai atrisinātu vienkāršu atmiņas problēmu, kas parasti tiek piešķirta žurkām (T-labirints). T-labirinta testā žurka tiek apbalvota, ja tā pareizi reaģē uz gaismu. Tīkls ar savu apmācības versiju 94% laika var izdarīt pareizo izvēli.
Līdz šim šie rezultāti ir bijuši nedaudz vairāk par principa pierādījumu, saka Nugent. "Mazā žurka, kas izlemj lēmumu T-labirintā, mašīnmācoties nekad netuvoties kaut kam, kas var novērtēt tā sistēmas," viņš saka tradicionālajā datorā. Viņš šaubās, ka tuvāko gadu laikā ierīci var pārvērst par noderīgu mikroshēmu.
Bet potenciāls ir milzīgs, viņš uzsver. Tā kā tīkls, tāpat kā smadzenes, neatdala apstrādi un atmiņu. Tradicionālajiem datoriem ir jāpārsūta informācija starp dažādiem domēniem, kas apstrādā šīs divas funkcijas. "Visa šī papildu komunikācija veidojas, jo vadiem ir nepieciešama jauda," saka Nugent. Izmantojot tradicionālos datorus, jums būs jāizslēdz Francija, lai simulētu pilnīgas cilvēka smadzenes ar pienācīgu izšķirtspēju. Ja tādas ierīces kā Sudraba tīkls var atrisināt problēmas ar mašīnmācīšanās algoritmu efektivitāti, kas darbojas tradicionālajos datoros, tās var izmantot miljardu reižu mazāk enerģijas. Un tad jautājums ir mazs.
Zinātnieku atklājumi arī atbalsta viedokli, ka pareizajos apstākļos inteliģentas sistēmas var izveidot pašorganizācija bez jebkāda veida vai procesa to izstrādei. Sudraba tīkls "spontāni parādījās", saka Tods Hiltons, bijušais DARPA vadītājs, kurš projektu atbalstīja jau sākumā.
Gimrzewski uzskata, ka sudraba vadu vai līdzīgu ierīču tīkls var būt labāks nekā tradicionālie datori, lai prognozētu sarežģītus procesus. Tradicionālie datori modelē pasauli ar vienādojumiem, kas bieži vien tikai aptuveni raksturo sarežģītas parādības. Atomu slēdžu neiromorfie tīkli pielāgo viņu pašu iekšējo struktūras sarežģītību ar parādību, kuru tie simulē. Viņi to arī dara ātri - tīkla stāvoklis var svārstīties ar ātrumu līdz desmitiem tūkstošu izmaiņu sekundē. "Mēs izmantojam sarežģītu sistēmu, lai izprastu sarežģītas parādības," saka Gimrzewski.
Šā gada sākumā Sanfrancisko Amerikas ķīmijas biedrības sanāksmē Gimzewski, Stig un viņu kolēģi iepazīstināja ar eksperimenta rezultātiem, kurā viņi sešu gadu Losandželosas satiksmes datu kopas pirmos trīs gadus baroja ar impulsu sēriju, norādot garāmbraucošās automašīnas stundā. Pēc simtiem stundu apmācības rezultāts beidzot prognozēja datu kopas otrās puses statistisko tendenci, un diezgan labi, kaut arī ierīcei to neuzrādīja.
Varbūt kādu dienu Gimrzewski jokoja, ka viņš izmanto tīklu, lai prognozētu akciju tirgu.
Iļja Khel