أول رقاقة اندماج غير متجانسة في العالم تشبه الدماغ موجودة على غلاف مجلة Nature

نجح فريق بحثي بقيادة جامعة تسينغهوا اليوم في تطوير أول شريحة حاسوبية شبيهة بالدماغ في العالم - "تيانجي"، والتي ظهرت على غلاف العدد الأخير من مجلة "نيتشر". يمكن لرقاقة الذكاء الاصطناعي هذه دمج الطريقتين اللتين يهيمن عليهما علم الكمبيوتر وعلم الأعصاب لتطوير منصة عامة تتمتع بمزايا كليهما، وهو ما يعد خطوة أقرب إلى البحث والتطوير في مجال الذكاء الاصطناعي العام.

إنه يشبه الحوسبة والذكاء الاصطناعي العام مرة أخرى، ولكن هذه المرة، إنه علىطبيعةرقائق محلية على غلاف المجلة.

اليوم،مركز أبحاث الحوسبة المستوحاة من الدماغ بجامعة تسينغهواوقد حققت دراسة أجراها تقدمًا كبيرًا في أبحاث الرقائق الشبيهة بالدماغ، مما دفع أبحاث الناس حول الذكاء الاصطناعي العام خطوة كبيرة إلى الأمام.

لقد قام المتعاونون من مؤسسات بحثية متعددة بإنشاء**أول رقاقة حوسبة تشبه الدماغ تعتمد على اندماج غير متجانس****،**ويربط بين التعلم الآلي التقليدي وطرق الحوسبة الشبيهة بالدماغ.

وهذه أيضًا لحظة فارقة، حيث تم نشر ورقة بحثية من الصين في مجلة Nature لأول مرة في مجالات تصنيع الرقائق والذكاء الاصطناعي.

لماذا هو على غلاف مجلة الطبيعة؟

عنوان هذه المقالة هو هندسة شريحة تيانجيك غير المتجانسة للذكاء الاصطناعي العامتتناول هذه الورقة عملية إنتاج وآلية عمل الشريحة "تيانجي".

**عنوان الورقة:نحو الذكاء الاصطناعي العام مع بنية شريحة Tianjic الهجينة

العنوان: https://www.nature.com/articles/s41586\-019\-1424\-8

النقطة الأساسية للسر تنعكس فيالاندماج.

في البحث حول الذكاء الاصطناعي العام، هناك مدرستان فكريتان.التوجيه في علوم الكمبيوتر، والآخر هوموجه نحو علم الأعصاب.

وقد أدى هذا إلى تطوير نهجين مختلفين. الأول هو الشبكة العصبية الاصطناعية (آن)، من ناحية أخرى، هناك أبحاث متعلقة بالدماغ، مثل الشبكة العصبية النبضية (الشبكة الوطنية للشبكات).

تم تطوير النموذجين بشكل مستقل، باستخدام لغات مختلفة، ومبادئ الحوسبة، وطرق الترميز، والسيناريوهات. ومع ذلك، فإن تطوير الذكاء الاصطناعي العام يحتاج إلى الاستفادة من مزايا كلا النموذجين.

لفترة طويلة، اعتمدت أجهزة الوضعين على منصات مختلفة وكان من الصعب أن تكون متوافقة مع بعضها البعض.

ولحل هذه المشكلة، قام فريق البحث بتطوير بنية تدمج الحلولين بشكل غير متجانس، وأنشأوا شريحة الحوسبة متعددة النماذج هذه، والتي تحل هذه المشكلة بشكل مثالي.

تعتمد شريحة Tianji على بنية متعددة النواة ووحدات أساسية وظيفية قابلة لإعادة التكوين، وتدعم وضع التحكم في تدفق البيانات لمخطط ترميز هجين.

فهو لا يستطيع التكيف مع خوارزميات التعلم الآلي المستندة إلى علوم الكمبيوتر فحسب، بل يمكنه أيضًا تنفيذ نماذج الحوسبة العصبية ومخططات الترميز المتعددة المستوحاة من مبادئ الدماغ.

ما هي أبرز ما جاء في هذه الدراسة؟

ينعكس الابتكار الرئيسي للشريحة في**النواة الوظيفية (FCore)**على السطح، يتضمن FCore كتل بناء المحور العصبي، والتشابك العصبي، والتغصنات، والجسم العصبي، والموجه العصبي.

من خلال وضع Fcore القابل لإعادة التكوين، يتم تحقيق تكوين النمذجة المرنة والاتصال الطوبولوجي، ويمكن تحويل طريقة الترميز بين وضعي ANN وSNN، وبالتالي تحقيقالشبكات العصبية غير المتجانسة.

يغطي FCore أيضًا عمليات التكامل الخطي والتحويل غير الخطي التي تستخدمها معظم الشبكات العصبية الاصطناعية والشبكات العصبية المتعددة. يمكنه دعم تشغيل كليهما بشكل مثالي.

شريحة تيانجي مصنوعة من156يتكون FCore من حوالي 40 ألف خلية عصبية و10 ملايين مشبك عصبي، ويتم تصنيعه باستخدام عملية أشباه الموصلات 28 نانومتر، وتبلغ مساحته 3.8 × 3.8 مليمتر مربع.

لقد تم أيضًا تحسين أداء شريحة Tianji بشكل كبير. إنه يوفر أكثر من 610 جيجابايت (GB) في الثانية من عرض النطاق الترددي للذاكرة الداخلية ويمكنه تحقيق أداء أقصى يبلغ 1.28 TOPS عند تشغيل الشبكات العصبية الاصطناعية.

بالمقارنة بأداء وحدات معالجة الرسومات، تم تحسين إنتاجية الشريحة1.6-100في بعض الأحيان، يتم تحسين كفاءة الطاقة12-10000 مرات.

ماذا تريد أيضًا من الدراجة؟

ولإثبات إمكانية تطبيق الشريحة والنظام، قاموا ببناءدراجة ذاتية القيادة، تم نشرها على شريحة Tianji، وأجريت الاختبارات التشغيلية.

تتمتع منصة الدراجات الهوائية غير المأهولة هذه بوظائف التعرف على الصوت واكتشاف الهدف وتتبعه، ويمكنها التحكم في الحركة وتجنب العوائق واتخاذ القرارات بشكل مستقل. إنه في الواقع كاملمنصة حوسبة صغيرة تشبه الدماغ.

خلال التجربة، أكملت الدراجة القيادة الذاتية بنجاح، مما يؤكد جدوى الحل والشريحة الخاصة بها.

قال الباحث دينج لي إن وظائف التعرف على الصوت واتخاذ القرار بشكل مستقل والتتبع البصري في نظام الدراجة ذاتية القيادة تستخدم نموذجًا يحاكي الدماغ؛

تستخدم وظائف اكتشاف الهدف والتحكم في الحركة وتجنب العوائق نماذج خوارزمية التعلم الآلي.

كما سمح العرض المذهل للدراجات الهوائية لعدد أكبر من الأشخاص برؤية إمكانية وصول الذكاء الاصطناعي العام. ويقال إن خطوتهم التالية هي التحرك نحو الاستخدام التجاري.

بمساعدة الرقائق فائقة القوة، هل ستأتي الذكاء الاصطناعي العام؟

في الآونة الأخيرة، دخلت المعلومات المتعلقة بالأبحاث المشابهة للدماغ والذكاء الاصطناعي العام إلى أذهان الجمهور بشكل متكرر.

أولا، أعلن ماسك عن تقدم جديد في مجال واجهة الدماغ والحاسوب، وهو ما جلب موجة من الشعبية لأبحاث علوم الدماغ. بعد ذلك، استثمرت مايكروسوفت مليار دولار في OpenAI لإجراء أبحاث الذكاء الاصطناعي العام، وهو ما أحدث ضجة في الصناعة. وأعلنت شركة فيسبوك مؤخرًا عن نتائجها في أبحاث مشابهة للدماغ...

ليس هناك شك في أن هذه الشريحة الرائدة التي تحقق الاندماج غير المتجانس قد أضافت وقودًا إلى أبحاث الذكاء الاصطناعي العام.

هل سيصبح الذكاء الاصطناعي العام، الذي يطمح إليه عدد لا يحصى من الناس، حقيقة واقعة في حياتنا؟

-- زيادة--

انقر لقراءة المقال الأصلي