خب بچه‌ها، امروز میخوام براتون از یه مدل جدید و باحال توی دنیای هوش مصنوعی حرف بزنم که اسمش هست «مدل نورون‌های اسپایکینگ آونگی». شاید اسمش یه کم عجیب باشه ولی داستانش کلی جذابیت داره!
تا حالا شده درباره کار نورون‌های مغز فکر کنین؟ مثلاً نورون‌هایی که تو مغز ما وقتی اطلاعات میاد، یه جورایی مثل سیم‌های برق با هم در ارتباطن و بعضی وقتا پالس الکتریکی (که بهش میگن “اسپایک”) میفرستن. مدل‌های معروفی مثل Leaky Integrate-and-Fire یا LIF تا الان زیاد استفاده میشدن، ولی الآن محقق‌ها اومدن یه مدل جالب بر اساس حرکت پاندول یا همون آونگ ساختن. آونگ همون جسمیه که آویزونش میکنیم و عقب جلو میره – دیدین مثلاً ساعت‌های قدیمی.
توی این مدل جدید، نورون رو شبیه یه آونگ فرض کردن که علاوه‌بر اینکه حرکت رفت و برگشتی داره (همون نوسان یا “Oscillatory behavior” – یعنی بالا پایین رفتن یا چپ راست شدن منظم)، توش یه عامل مهم دیگه هم هست: حرکتش غیرخطی و درجه دومیه (Nonlinear, Second-order). یعنی چی؟ یعنی رفتار این نورون‌ها خیلی پیچیده‌تر از مدل‌های قبلیه و میتونه ریتم و زمان‌بندی بهتری رو توی اسپایک زدن داشته باشه.
یه نکته باحال این مدل اینه که خیلی به زمان حساسه و حتی جای اسپایک زدن (همون لحظه‌ای که نورون پالس میفرسته) رو میشه از روی شکل حرکت آونگ فهمید. خلاصه، این مدل برای کارهایی که باید ترتیب و توالی اطلاعات مهم باشه (Sequence Processing) یا حتی توی یادگیری مفهومی و نمادی (Symbolic Learning – یعنی یاد گرفتن چیزهایی مثل اعداد و نشانه‌ها)، خیلی جواب میده.
اینا اومدن اول رفتار تک‌نورونی رو بررسی کردن، یعنی فقط یکی از این نورون‌های آونگی رو چک کردن ببینن چطور کار میکنه. بعدش کار رو گسترش دادن به جایی که چند تا نورون با هم کار کنن و بینشون یادگیری اتفاق بیفته. اینجا از یه قانون یادگیری به اسم Spike-Timing Dependent Plasticity یا STDP استفاده کردن که یعنی نورون‌ها بر اساس فاصله زمانی اسپایک‌هاشون تصمیم میگیرن اتصالشون قوی‌تر یا ضعیف‌تر بشه. خلاصه، یه جور یادگیری زمان‌محوره!
حالا اگه فکر کردین این فقط توی نظریه است، نه! چون پژوهشگرها حتی براش کد پایتونی نوشتن (یعنی میشه باهاش تو خونه هم تستش کرد) و تو نرم‌افزاری به اسم Brian2 که مخصوص شبیه‌سازی نورون‌های اسپایکینگه، هم امتحانش کردن. Brian2 – یه فریم‌ورک نرم‌افزاری معروف بین دانشمندای نوروساینس و هوش مصنوعیه که کمک میکنه رفتار شبکه‌های نورونی اسپایکینگ رو شبیه‌سازی کنین.
تازه یه مرحله دیگه هم رفتن جلوتر؛ اینکه چطور این مدل رو روی سخت‌افزار نورومورفیک پیاده کنن. نورومورفیک یعنی چی؟ یعنی همون چیپ‌های کامپیوتری که از مغز ما الهام گرفتن و خیلی کم‌مصرفن (انرژی زیاد هدر نمیدن). حالا وقتی بخوای کد مدل رو روی این سخت‌افزارها بذاری، باید فرمول‌های مدل ریاضی‌شو یه کم ساده‌تر کنی تا روی چیپ‌ها اجرا بشه.
خلاصه ماجرا اینکه مدل آونگی، میتونه یه پایه خیلی قوی برای ساخت نسل جدیدی از سیستم‌های هوشمند بشه. به‌خصوص تو کارهایی که باید چیزها رو به ترتیب پردازش یا یاد بگیریم، یا حتی مغز مصنوعی‌ای داشته باشیم که مصرف انرژی‌ش کم باشه و با سرعت بالا اطلاعات رو تحلیل کنه.
در کل این مقاله نشون داده چطور ایده گرفتن از چیزای ساده‌ای مثل یه آونگ میتونه منجر به پیشرفت باحالی توی دنیای هوش مصنوعی و سخت‌افزارها بشه. آدم کیف میکنه!
منبع: +
