کامپیوترها در آینده شباهت زیادی به مغز انسان خواهند داشت

مغز انسان کوچک است، حداقل انرژی را مصرف می‌کند و مهم‌تر از همه، طراحی آن به‌گونه‌ای است که از انرژی و منابعی که در اختیار دارد، به بهترین و بهینه‌‌ترین شکل ممکن استفاده می‌کند. این موجودیت شگفت‌انگیز در نهایت دارای قابلیت‌ بی‌بدیلی است که می‌تواند هر نوع ماشینی را کنترل کند.
عملکرد مغز انسان هنوز هم در زمینه تولید دستورات، سریع‌تر از قدرتمندترین ابرکامپیوترهای جهان کار می‌کند. در سامانه‌های کامپیوتری امروزی، فرایندهای پردازشی و حافظه از یکدیگر جدا هستند و همین موضوع باعث کاهش سرعت و توان پردازش این سامانه‌ها می‌شود. اما در سامانه‌های زیستی همچون مغز انسان، حافظه و پردازش در عمل از یکدیگر جدا نیستند و همین موضوع سرعت و عملکرد در این سامانه‌های زیستی را به‌شدت افزایش می‌دهد. جالب‌تر آنکه مغز انسان در مقایسه با ابرکامپیوترها به فضا و انرژی کمتری برای اجرای دستورات خود نیاز دارد. مغز انسان تنها با 20 وات انرژی کار خود را انجام می‌دهد، اما ابرکامپیوترها به چند مگاوات انرژی نیاز دارند. این تنها مصرف کم انرژی نیست که باعث شده است مغز انسان با کامپیوترها متفاوت باشد، بلکه نوع پردازشی که مغز انسان انجام می‌دهد نیز در عمل متفاوت است. همین موضوع پژوهشگران را متقاعد ساخته است که آینده دنیای محاسبات بر مبنای فناوری‌هایی شبیه به مغز انسان خواهد بود که غالباً به نام محاسبات عصب‌گون (neuromorphic) از آن‌ها یاد می‌شود.

• در سامانه‌های کامپیوتری امروزی، فرایندهای پردازشی و حافظه از یکدیگر جدا هستند و همین موضوع باعث کاهش سرعت و توان پردازش این سامانه‌ها می‌شود.

هدف محاسبات عصب‌گون بر خلاف نامشان، مدل‌سازی ساده شیوه کارکرد سلول‌های خاکستری مغز نیست - هر چند در عمل محققان این کار را انجام می‌دهند - بلکه در عوض محاسبات عصب‌گون از مغز انسان به عنوان یک موجودیت الهام‌بخش برای طراحی موج جدیدی از سخت‌افزارها استفاده می‌کنند که از حداقل انرژی و حداکثر توان بهره‌ می‌گیرند؛ سخت‌افزارهایی که هر نوع موجودیتی از ابرکامپیوترها گرفته تا گوشی‌های هوشمند امروزی را دستخوش تغییرات اساسی خواهند کرد.
مانوئل لو گالو، یکی از پژوهشگران واحد تحقیقات محاسبات عصب‌گون آی‌بی‌ام در این باره به سایت زد دی نت گفته است: «در تلاش هستیم با کمک محاسبات عصب‌گون، یک سامانه ویژه طراحی کنیم؛ سامانه‌ای که شامل مدارهای آنالوگ یا دیجیتال بوده و قادر باشد معماری‌های زیست‌عصبی درون بدن ما را تقلید کند. شاید بپرسید که چرا باید به دنبال انجام چنین کاری باشیم. به سبب آنکه امید داریم به مصرف کمتر انرژی و تراکم بالاتر در فرایندهای محاسباتی پیچیده شبیه به تشخیص الگوها، دست پیدا کنیم؛ کاری که مغز ما به آسانی قادر به انجام آن است. در حال حاضر کامپیوترها برای اینکه بتوانند بهتر از مغز انسان چنین فرایند ساده‌ای را مدیریت کنند، به انرژی بسیار زیادی نیاز دارند.»
مغز برای انتقال داده‌ها از یک سلول عصبی به نام نورون به سلول عصبی دیگر، از سیگنال‌های شیمیایی استفاده می‌کند. هر سلول عصبی برای اینکه با سلول عصبی بعدی ارتباط برقرار کند، یون‌هایی را میان شکاف دو سلول عصبی آزاد می‌کند. به این فرایند سیناپس گفته می‌شود. اگر یون‌های کافی توسط سلول عصبی اول آزاد شوند و این یون‌ها بتوانند از شکاف عبور کنند و به سلول عصبی دوم برسند، یک سیگنال الکتریکی به نام پتانسیل عمل، درون سلول عصبی دوم تولید می‌شود و آن را فعال می‌کند. در این زمان، سلول عصبی دوم با سومین سلول عصبی ارتباط برقرار کرده و یکی از دو کار ارسال سیگنال الکتریکی یا آزادسازی یون‌های خود را بر مبنای انفعال شیمیایی به وجود می‌آورد. این مکانیزم در ادامه، سیگنال‌های شیمیایی را به سیگنال‌های الکتریکی تبدیل می‌کند و داده‌ها را دوباره به سمت مغز رله ‌می‌کند. سپس این داده‌ها از مغز به سمت بخش‌های دیگر بدن ارسال می‌شوند. اما به این نکته توجه کنید که سلول‌های عصبی از یک ارتباط ساده یک‌به‌یک استفاده نمی‌کنند. یک سلول عصبی می‌تواند ورودی‌ها‌ را از بسیاری از بخش‌ها دریافت کرده و پیش از آنکه با ورودی بعدی ارتباط برقرار کند، آن‌ها را با یکدیگر ادغام کند. سلول عصبی اگر در فاصله زمانی کوتاهی تعداد زیادی ورودی‌ از سلول‌های عصبی دیگر دریافت کند یا اگر یک ورودی منفرد بزرگ‌تر را دریافت کند، یک پتانسیل عمل را ارسال خواهد کرد. سلول‌های عصبی از جمله ارگان‌های بسیار سازگار به شمار می‌روند. ارتباط میان سلول‌های عصبی مختلف بر اساس سن یک فرد و آموزه‌های او به مرور زمان با یکدیگر منطبق می‌شوند.

• محاسبات عصب‌گون از مغز انسان به عنوان یک موجودیت الهام‌بخش برای طراحی موج جدیدی از سخت‌افزارها استفاده می‌کنند که از حداقل انرژی و حداکثر توان بهره‌ می‌گیرند.

تراشه‌های عصب‌گون در چند سال آینده به شرکت‌های فعال در حوزه‌های مالی، آب‌وهوا و شبکه‌هایی از حسگرها که با کلان داده‌ها در تعامل هستند، کمک خواهند کرد تا به شکلی سریع‌تر و البته دقیق‌تر فعالیت‌های خود را انجام دهند، اما کاربرد عمومی‌تر این فناوری حداقل به چند سال زمان نیاز دارد. سامانه‌های عصب‌گون از پنج سال پیش تاکنون، نظر مساعد بسیاری از سازمان‌ها را به سمت خود جلب کرده‌اند، هرچند آن‌ها مستقیماً ویژه یادگیری ماشینی در شبکه‌های عصبی عمیق طراحی نشده‌اند، به لحاظ کارکردی به این فناوری نزدیک هستند.
توماس فربر استاد مهندسی کامپیوتر دانشگاه منچستر در این باره گفته است: «ما طیف گسترده‌ای از درخواست‌ها را از شرکت‌های مختلف دریافت کرده‌ایم. از ما سؤال کرده‌اند که آیا می‌توانیم از SpiNNaker برای دستیابی به چنین مدلی از محاسبات استفاده کنیم؟» امروزه مردم بسیار مشتاق هستند تا گفتار تمام‌عیاری را با گوشی هوشمند خود انجام دهند یا گوشی آن‌ها بتواند اشیا پیرامونشان را تشخیص دهد. شما می‌توانید با سیری گفت‌وگو کنید، اما گفت‌وگوی روان به شرطی انجام می‌شود که در کارولینای شمالی باشید. اگر تلفن شما قابلیت اتصال اینترنتی نداشته باشد، سیری نمی‌تواند به هیچ سامانه‌ای متصل شود. اپل در نظر دارد این وضع را تغییر دهد و آن را تبدیل به یک ویژگی کاربردی کند؛ به طوری که هر کاربری به‌منظور دستیابی به راه‌حلی که در جست‌وجوی آن است، از محاسبات عصب‌گون استفاده کند. در چنین زمانی است که محاسبات شبیه به مغز انسان کارکرد اصلی و ملموس خود را نشان خواهند داد.