برای بیش از هفتاد سال، تقریباً تمام کامپیوترهای جهان، از گوشی هوشمند در دستان ما تا قدرتمندترین ابرکامپیوترها، از یک معماری بنیادین به نام معماری فون نویمان (von Neumann architecture) پیروی کرده‌اند. در این معماری، واحد پردازش مرکزی (CPU) و واحد حافظه (Memory) دو جزیره جدا از هم هستند و داده‌ها دائماً بین این دو در رفت و آمدند. اما با ظهور هوش مصنوعی و نیاز به پردازش حجم عظیمی از اطلاعات به صورت موازی، این مدل سنتی به یک گلوگاه بزرگ تبدیل شده است. اکنون، پارادایم جدید و انقلابی در حال ظهور است که الهام خود را نه از ماشین‌حساب، بلکه از کارآمدترین کامپیوتر شناخته‌شده در جهان یعنی مغز انسان می‌گیرد: محاسبات نورومورفیک (Neuromorphic Computing).
این رویکرد، به جای ساخت پردازنده‌های سریع‌تر، به دنبال بازآفرینی ساختار و نحوه کار نورون‌ها و سیناپس‌های مغز بر روی یک تراشه سیلیکونی است. هدف، ساخت کامپیوترهایی است که به جای محاسبه، «فکر» می‌کنند و به جای مصرف انرژی بالا، با کارایی فوق‌العاده‌ای یاد می‌گیرند و به دنیای اطراف خود واکنش نشان می‌دهند.
شکستن یک سنت ۷۰ ساله: چرا معماری کامپیوترهای امروزی یک بن‌بست است؟
در معماری فون نویمان، برای انجام هر محاسبه‌ای، داده‌ها باید از حافظه فراخوانی و به پردازنده منتقل شده، پردازش شوند و سپس نتیجه به حافظه بازگردانده شود. این رفت و برگشت دائمی داده‌ها، که به گلوگاه فون نویمان (von Neumann bottleneck) معروف است، دو مشکل اساسی ایجاد می‌کند:
- سرعت را محدود می‌کند: مهم نیست پردازنده چقدر سریع باشد، همیشه معطل رسیدن داده‌ها از حافظه می‌ماند.
- انرژی عظیمی مصرف می‌کند: بخش قابل توجهی از انرژی در کامپیوترهای امروزی، نه صرف خودِ محاسبه، بلکه صرف جابجایی داده‌ها می‌شود.
این ساختار برای وظایف هوش مصنوعی مدرن که نیاز به تحلیل همزمان هزاران ورودی دارد (مانند پردازش یک تصویر)، بسیار ناکارآمد است. همانطور که مقاله‌ای در مجله معتبر Nature توضیح می‌دهد، مغز انسان با مصرف تنها ۲۰ وات انرژی (کمتر از یک لامپ رشته‌ای) کارهایی را انجام می‌دهد که یک شبکه عصبی مصنوعی برای انجام آن به 7.9 مگاوات انرژی نیاز دارند. راز این کارایی، در معماری کاملاً متفاوت مغز نهفته است.
الهام از طبیعت: اصول بنیادین محاسبات نورومورفیک
پردازنده‌های نورومورفیک با کنار گذاشتن معماری سنتی، چندین اصل کلیدی برگرفته از مغز را پیاده‌سازی می‌کنند:
الف) ادغام حافظه و پردازش: در مغز، حافظه (قدرت سیناپس‌ها) و پردازش (فعالیت نورون‌ها) در یک مکان قرار دارند. تراشه‌های نورومورفیک نیز با الهام از این ساختار، واحدهای پردازشی (نورون‌های سیلیکونی) و واحدهای حافظه (سیناپس‌های سیلیکونی) را در کنار یکدیگر قرار می‌دهند. این کار، گلوگاه فون نویمان را به طور کامل حذف کرده و مصرف انرژی را به شدت کاهش می‌دهد.
ب) پردازش رویداد-محور (Event-Driven): کامپیوترهای امروزی با یک ساعت جهانی کار می‌کنند و در هر سیکل ساعت، چه کاری برای انجام دادن باشد چه نباشد، در حال فعالیت و مصرف انرژی هستند. اما مغز انسان به صورت ناهمگام (Asynchronous) و رویداد-محور عمل می‌کند؛ یک نورون تنها زمانی فعال شده و انرژی مصرف می‌کند که یک سیگنال یا اسپایک (Spike) از نورون دیگری دریافت کند. تراشه‌های نورومورفیک نیز دقیقاً به همین شکل کار می‌کنند و تنها زمانی که داده‌ای جدید وارد شود، بخش مربوطه از تراشه فعال می‌شود. این ویژگی، دلیل اصلی کارایی خیره‌کننده آن‌هاست.
ج) شبکه‌های عصبی اسپایکی (SNNs): این معماری سخت‌افزاری جدید، نیازمند یک مدل نرم‌افزاری جدید نیز هست. به جای شبکه‌های عصبی مصنوعی سنتی، سیستم‌های نورومورفیک از شبکه‌های عصبی اسپایکی استفاده می‌کنند که زمان‌بندی دقیق هر اسپایک را به عنوان بخشی از اطلاعات در نظر می‌گیرند و بسیار به نحوه ارتباط نورون‌های واقعی شباهت دارند.
از آزمایشگاه تا واقعیت: تراشه Loihi 2 اینتل
شاید برجسته‌ترین نمونه عملی از این فناوری، تراشه تحقیقاتی Loihi 2 از آزمایشگاه‌های اینتل (Intel Labs) باشد. این تراشه که نسل دوم پردازنده‌های نورومورفیک اینتل است، ویژگی‌های شگفت‌انگیزی دارد:
- تا یک میلیون نورون سیلیکونی را در خود جای داده است.
- سرعت آن تا ۱۰ برابر و تراکم آن تا ۱۵ برابر نسل قبلی خود است.
- به لطف معماری رویداد-محور، در انجام برخی وظایف خاص، تا ۱۰۰۰ برابر کارآمدتر از پردازنده‌های سنتی عمل می‌کند.
محققان در سراسر جهان در حال استفاده از Loihi 2 برای ساخت سیستم‌های پیشرفته‌ای هستند؛ از جمله دست‌های رباتیکی که با حسگرهای لمسی نورومورفیک، بافت اشیاء را “حس” می‌کنند، تا پهپادهایی که با استفاده از دوربین‌های رویداد-محور، با سرعت و دقت بالا در محیط‌های پیچیده مسیریابی می‌کنند.
تصویر: تراشه نورومورفیک Loihi 2 از اینتل، که ساختار مغز را بر روی سیلیکون شبیه‌سازی می‌کند (منبع: www.intel.com )
مغزهای سیلیکونی و آینده هوش مصنوعی
محاسبات نورومورفیک قرار نیست جایگزین کامپیوترهای امروزی برای کارهایی مانند اجرای نرم‌افزارهای اداری یا بازی‌های ویدیویی شود. قدرت واقعی این فناوری در کاربردهای خاصی نهفته است که در آن، مصرف انرژی پایین، یادگیری مداوم و واکنش آنی حیاتی است:
- هوش مصنوعی لبه (Edge AI): پردازش هوشمند داده‌ها بر روی خود دستگاه (مانند یک سنسور صنعتی، یک دوربین نظارتی یا یک گجت پوشیدنی) بدون نیاز به ارسال اطلاعات به فضای ابری.
- رباتیک پیشرفته: ایجاد ربات‌هایی با واکنش‌های سریع‌تر و طبیعی‌تر که می‌توانند به صورت آنی از تعاملات خود با محیط یاد بگیرند.
- پروتزهای هوشمند: ساخت دست‌ها یا پاهای مصنوعی که می‌توانند سیگنال‌های عصبی کاربر را بهتر درک کرده و خود را با سبک حرکتی او تطبیق دهند.
- شبیه‌سازی‌های علمی: مدل‌سازی سیستم‌های دینامیک و پیچیده در مقیاس بزرگ، مانند واکنش‌های شیمیایی یا شبکه‌های بیولوژیکی.
محاسبات نورومورفیک بیش از یک پیشرفت تدریجی، یک بازنگری بنیادین در مفهوم «محاسبه» است. این فناوری با الهام گرفتن از میلیون‌ها سال تکامل مغز، راه را برای ساخت ماشین‌هایی هموار می‌کند که نه تنها قدرتمند، بلکه به شکلی باورنکردنی کارآمد و هوشمند هستند. در حالی که هنوز در ابتدای این مسیر قرار داریم، تراشه‌هایی که مانند مغز ما کار می‌کنند، نویدبخش آینده‌ای هستند که در آن هوش مصنوعی به شکلی پایدارتر، طبیعی‌تر و یکپارچه‌تر با دنیای ما تعامل خواهد داشت.
منابع:
