نوزده + پنج =

حساب کاربری ندارید؟ ثبت نام کنید

ترانزیستوری با توانایی تقلید از مغز برای یادگیری

سینا عطایی

نوشته

8 ماه قبل | 2 دیدگاه | فناوری‌های نوین ، هوش مصنوعی

آلگوریتم های یادگیری ماشین یا Machine Learning برای درخشش هوش مصنوعی بسیار مورد انتظار و لازم هستند. بهترین ابزار برای یادگیری که تا کنون آن را شناخته ایم چیزی نیست جز همین مغز خودمان و شاید بهترین راه شبیه سازی فرایند آن باشد. البته تجربه نشان داده که عموما فرم‌فکتور طرح نهایی با تصورات ساده‌لوحانه ابتدایی متفاوت خواهد بود. محققان سوئدی ترانزیستوری با توانایی تقلید از مغز برای یادگیری ابداع کرده اند و در ادامه با هم درباره آن صحبت خواهیم کرد، با ترنجی همراه باشید.

این ترانزیستور که هم به حافظه کوتاه‌مدت و هم به حافظه بلند مدت مجهز است

دانشمندان “دانشگاه لینشوپینگ”(LiU) سوئد، ترانزیستور جدیدی را با استفاده از مواد آلی ابداع کرده‌اند که توانایی یادگیری دارد. این ترانزیستور که هم به حافظه کوتاه‌مدت و هم به حافظه بلند مدت مجهز است، یک گام مهم در ابداع فناوری‌هایی به شمار می‌رود که می‌توانند از مغز انسان تقلید کنند.

تاکنون، مغز به خاطر توانایی در ایجاد ارتباطاتی که پیش تر وجود نداشته‌اند، منحصر به فرد بود اما دانشمندان دانشگاه لینشوپینگ در پروژه جدید خود، ترانزیستوری ابداع کرده‌اند که می‌تواند ارتباط جدیدی میان ورودی‌ها و خروجی‌ها برقرار کند. آنها این ترانزیستور را با یک مدار الکترونیکی ترکیب کردند تا بتوانند نحوه اتصال یک محرک خاص به یک سیگنال خروجی را به آن آموزش دهند. این کار با همان روشی صورت می‌گیرد که به وسیله آن، یک سگ یاد می‌گیرد صدای ظرف غذایش به معنای آماده بودن غذا است.

عملکرد یک ترانزیستور معمولی، مانند دریچه‌ای است که سیگنال خروجی را با توجه به ویژگی‌های سیگنال ورودی، تقویت یا تنظیم می‌کند. دریچه این ترانزیستور جدید، از یک پلیمر رسانا تشکیل شده که طی فرآیند “الکتروپلیمریزاسیون” (electropolymerization) شکل گرفته است. این دریچه، قابل شکل دادن، رشد یا کاهش است و می‌توان آن را برای واکنش نشان دادن به یک محرک مغزی یا سیگنال ورودی خاص آموزش داد.

“سیمون فابیانو” (Simone Fabiano)، پژوهشگر ارشد این پروژه گفت: این نخستین بار است که شکل‌گیری یک عنصر الکترونیکی جدید در ابزار “عصب‌گون” یا “نورومورفیک” (neuromorphic) نشان داده می‌شود.

“جنیفر گراسیموف” (Jennifer Gerasimov)، از نویسندگان این پژوهش گفت: ما در این پروژه نشان داده‌ایم که می‌توان هم از تغییرات کوتاه‌مدت و هم از تغییرات پایدار برای پردازش اطلاعات ترانزیستور استفاده کرد. این موضوع برای تقلید از روش ارتباط سلول‌های مغز با یکدیگر مهم است.

با تغییر سیگنال ورودی، می‌توان قدرت واکنش ترانزیستور را تنظیم کرد

با تغییر سیگنال ورودی، می‌توان قدرت واکنش ترانزیستور را تنظیم کرد و ارتباطاتی را به وجود آورد که پیش از این وجود نداشته‌اند. عملکرد ترانزیستور در این حالت، مانند عملکرد سیناپس و یا ارتباط میان دو سلول مغزی است.

ابداع این ترانزیستور، یک گام مهم در حوزه یادگیری ماشینی با کمک ابزار الکترونیکی آلی نیز به شمار می‌رود. شبکه‌های عصبی مصنوعی، در حال حاضر در حوزه یادگیری ماشینی به کار می‌روند تا دستیابی به یادگیری عمیق ممکن شود. استفاده از نرم‌افزار در این حوزه، به سیگنال‌هایی نیاز دارد که برای تحریک یک سیناپس منتقل شوند. این کار، نیروی محاسباتی قابل توجه و انرژی بسیاری را می‌طلبد.

گراسیموف افزود: ما با استفاده از یک عنصر الکترونیکی، سخت‌افزاری ابداع کرده‌ایم که همه این ویژگی‌ها را در خود جای داده است.

این ترانزیستور الکتروشیمیایی می‌تواند با به کار بردن همان میزان انرژی که مغز برای ارتباط بین دو سلول مصرف می‌کند، کار هزاران ترانزیستور معمولی را انجام دهد. این پژوهش، در مجله “Advanced Science” منتشر شد.

نظر شما چیست؟ فکر می کنید که در آینده نزدیک روش یادگیری ماشین ها متحول شود؟

دیدگاه خودتان را بنویسید

ابتدا وارد شوید تا بتوانید دیدگاهی ارسال کنید

آخرین دیدگاه ها

  1. Vahid
    Vahid
    ترنجِ رسیده



    1



    1

    جالب بود بخصوص نحوه تغییر میزان سینگال
    این یاد گیری ماشین قطعا زندگی مارو راحت تر میکنه و تو اکثر کارها میشه دقت بیشتر کرد و خطا ب صفر رسوند
    ولی از طرفی جمعیت جهان ی طرف و با امدن این ماشین ها بازار کار….
    شاید تخیلی باشه ولی فیلمهای ک میبینیم اکثرا دارن ب واقعیت تبدیل میشن
    کی فکرشو میکرد ی روزی لیزر بسازن تو صنعت نظامی مثل جنگ ستارگان
    و حالا…

  2. Alireza.se
    ترنجِ نرسیده



    5



    0

    احساس میکنم وقتش رسیده واسه هوش مصنوعی یه سوپاپ اطمینان بزارن مثلا واسه هر چیزی که قراره خیلی باهوش‌بشه یه راه واسه متلاشی کردنش باشه که مثل جریان ترمیناتور پیش نیاد

10 کاربر برتر
  1. 1# ahmad - 10,239 ترنج
  2. 2# Peiman - 7,996 ترنج
  3. 3# علی شیخ زاده - 6,867 ترنج
  4. 4# Sajad - 6,418 ترنج
  5. 5# Pouya - 5,881 ترنج
  6. 6# Milad7 - 5,384 ترنج
  7. 7# _V_ - 4,612 ترنج
  8. 8# m.b - 4,377 ترنج
  9. 9# Mortazavi - 4,192 ترنج
  10. 10# نیما عرفانی - 3,960 ترنج
کانال تلگرام ترنجی