ولادة آلات ذكية تعمل مثل العقل البشري
فكرة الروبوت التي يمكن أن تتعلم وتعمل من تلقاء نفسها، دون الحاجة إلى أي مساعدة إنسانية، قد يبدو وكأنه مؤامرة لأحدث الأفلام الخيال العلمي.
ولكن العلماء قد قطعوا خطوة واحدة لجعل هذا حقيقة واقعة مع إنشاء أول اتصال الدماغ الاصطناعي التي يمكن أن تتعلم بشكل مستقل.
وتمثل الدراسة الرائدة خطوة كبيرة نحو الآلات الذكية التي تتعلم دون الحاجة إلى مدخلات بشرية.
قام فريق من الباحثين الدوليين، بقيادة العلماء في المركز الوطني الفرنسي للبحث العلمي (نرس) ومقره في باريس، بإنشاء اتصال اصطناعي (سينابس).
المشبك يغير تكوينه على أساس "إشارات الدماغ".
عندما تحت الاستخدام الكثيف، فإنه تكييفها لإسقاط المقاومة الكهربائية وجعل مسار إشارة أسرع وأكثر كفاءة.
وقال الباحثون إن هذا يمكن أن يبني يوما ما الذكاء الاصطناعي الذي يتعلم مثل الدماغ البشري.
الأهم من ذلك، كان العلماء قادرين على "نموذج" جهاز التعلم، وهذا يعني أنها يمكن التنبؤ كيف يتفاعل مع الإشارات.
هذا شيء لم يتحقق أبدا في دراسات التعلم الآلي السابقة.
ويرتبط عملية التعلم في الدماغ لنقاط الاشتباك العصبي لدينا، والتي تخدم كعلاقات بين الخلايا العصبية.
"في الدماغ، ويتحقق التعلم من خلال قدرة نقاط الاشتباك العصبي لإعادة تكوين القوة التي يربطون الخلايا العصبية"، وكتب الباحثون في ورقتهم.
"تدفق المعلومات من الخلايا العصبية إلى الخلايا العصبية من خلال نقاط الاشتباك العصبي من قوة اتصال متغير. التوزيع العام للنقاط متشابك يوفر الشبكة العصبية مع الذاكرة. "
استلهم الباحثون من هذه الآلية الطبيعية لتصميم المشبك الاصطناعي، ودعا ميمريستور.
تم ضبط مقاومة طبقة رقيقة للإشارات الكهربائية باستخدام نبضات الجهد مماثلة لتلك الموجودة في الخلايا العصبية.
إذا تم تعيين المقاومة منخفضة، فإن اتصال متشابك سيكون قويا، في حين إذا تم تعيين المقاومة عالية، فإن الاتصال سيكون ضعيفا.
هذه القدرة على التكيف مع المقاومة الكهربائية تمكن المشبك إلى "تعلم".
وعلى الرغم من أن البحوث التي تركز على نقاط الاشتباك العصبي الاصطناعي هي أمر أساسي لشواغل العديد من مختبرات الروبوتات، إلا أن عمل هذه الأجهزة ظل مجهولا إلى حد كبير.
وقد نظر الباحثون منذ فترة طويلة إلى الدماغ البشري للإلهام في خلق آلة ذكية يمكن أن تتعلم.
هذا المبدأ هو بالفعل في العمل في أجهزة الكمبيوتر في شكل خوارزميات تستخدم لاستكمال مهام معينة، مثل التعرف على الصور. هذه الخوارزميات، على سبيل المثال، هي ما يستخدمه الفيسبوك لتحديد الصور.
ولكن الإجراء يستهلك الكثير من الطاقة، والباحثين يبحثون الآن عن طرق أكثر كفاءة لخلق آلات قادرة على التعلم.
ولكن العلماء قد قطعوا خطوة واحدة لجعل هذا حقيقة واقعة مع إنشاء أول اتصال الدماغ الاصطناعي التي يمكن أن تتعلم بشكل مستقل.
وتمثل الدراسة الرائدة خطوة كبيرة نحو الآلات الذكية التي تتعلم دون الحاجة إلى مدخلات بشرية.
قام فريق من الباحثين الدوليين، بقيادة العلماء في المركز الوطني الفرنسي للبحث العلمي (نرس) ومقره في باريس، بإنشاء اتصال اصطناعي (سينابس).
المشبك يغير تكوينه على أساس "إشارات الدماغ".
عندما تحت الاستخدام الكثيف، فإنه تكييفها لإسقاط المقاومة الكهربائية وجعل مسار إشارة أسرع وأكثر كفاءة.
وقال الباحثون إن هذا يمكن أن يبني يوما ما الذكاء الاصطناعي الذي يتعلم مثل الدماغ البشري.
الأهم من ذلك، كان العلماء قادرين على "نموذج" جهاز التعلم، وهذا يعني أنها يمكن التنبؤ كيف يتفاعل مع الإشارات.
هذا شيء لم يتحقق أبدا في دراسات التعلم الآلي السابقة.
ويرتبط عملية التعلم في الدماغ لنقاط الاشتباك العصبي لدينا، والتي تخدم كعلاقات بين الخلايا العصبية.
"في الدماغ، ويتحقق التعلم من خلال قدرة نقاط الاشتباك العصبي لإعادة تكوين القوة التي يربطون الخلايا العصبية"، وكتب الباحثون في ورقتهم.
"تدفق المعلومات من الخلايا العصبية إلى الخلايا العصبية من خلال نقاط الاشتباك العصبي من قوة اتصال متغير. التوزيع العام للنقاط متشابك يوفر الشبكة العصبية مع الذاكرة. "
استلهم الباحثون من هذه الآلية الطبيعية لتصميم المشبك الاصطناعي، ودعا ميمريستور.
تم ضبط مقاومة طبقة رقيقة للإشارات الكهربائية باستخدام نبضات الجهد مماثلة لتلك الموجودة في الخلايا العصبية.
إذا تم تعيين المقاومة منخفضة، فإن اتصال متشابك سيكون قويا، في حين إذا تم تعيين المقاومة عالية، فإن الاتصال سيكون ضعيفا.
هذه القدرة على التكيف مع المقاومة الكهربائية تمكن المشبك إلى "تعلم".
وعلى الرغم من أن البحوث التي تركز على نقاط الاشتباك العصبي الاصطناعي هي أمر أساسي لشواغل العديد من مختبرات الروبوتات، إلا أن عمل هذه الأجهزة ظل مجهولا إلى حد كبير.
وقد نظر الباحثون منذ فترة طويلة إلى الدماغ البشري للإلهام في خلق آلة ذكية يمكن أن تتعلم.
هذا المبدأ هو بالفعل في العمل في أجهزة الكمبيوتر في شكل خوارزميات تستخدم لاستكمال مهام معينة، مثل التعرف على الصور. هذه الخوارزميات، على سبيل المثال، هي ما يستخدمه الفيسبوك لتحديد الصور.
ولكن الإجراء يستهلك الكثير من الطاقة، والباحثين يبحثون الآن عن طرق أكثر كفاءة لخلق آلات قادرة على التعلم.
Post A Comment
ليست هناك تعليقات :