مشروع الدماغ البشري وشركة Intel تعملان معًا لتعزيز تقنية Neuromorphic

فريق من الباحثين في مشروع الدماغ البشري (HBP) يعملون مع شركة Intel (INTC ) لتعزيز تقنية Neuromorphic وجلب الذكاء الاصطناعي أقرب إلى كفاءة الطاقة للدماغ البشري. تقنية Neuromorphic أكثر كفاءة في الطاقة لشبكات التعلم العميق الكبيرة مقارنة بنظم الذكاء الاصطناعي الأخرى.

أجري الباحثون في HBP وIntel مجموعة من التجارب التي تظهر هذه الكفاءة.涉ت التجارب شريحة جديدة من Intel تعتمد على الخلايا العصبية المماثلة لتلك الموجودة في الدماغ البشري. كان هذا هو المرة الأولى التي يتم فيها إظهار مثل هذه النتائج.

نشرت الأبحاث في Nature Machine Intelligence.

شريحة Intel Loihi

ركز الفريق على الخوارزميات التي تعمل مع العمليات الزمنية، ويجب على النظام أن يجيب عن أسئلة حول قصة تم إخبارها مسبقًا أثناء فهم العلاقات بين الأشياء أو الأشخاص من السياق. تتكون الأجهزة من 32 شريحة Loihi، وهي شريحة بحث عصبية من Intel.

Phillip Plank هو طالب دكتوراه في معهد علوم الكمبيوتر النظرية في TU Graz وموظف في Intel.

“نظامنا أكثر اقتصادية هنا بمقدار два إلى ثلاث مرات من نماذج الذكاء الاصطناعي الأخرى،” يقول Plank.

يعتقد Plank أنه مع إدخال جيل Loihi الجديد، سيكون هناك مكاسب كفاءة أكبر وتحسين في الاتصالات بين الشريحة التي تتطلب الطاقة.

أعاد الفريق إنتاج طريقة مفترضة للدماغ البشري.

Wolfgang Maass هو مشرف دكتوراه لPhillip Plank وأستاذ فخري في معهد علوم الكمبيوتر النظرية.

“أظهرت الدراسات التجريبية أن الدماغ البشري يمكن أن يخزن المعلومات لفترة قصيرة من الوقت حتى بدون نشاط عصبي، أي في ما يسمى” المتغيرات الداخلية “للخلايا العصبية،” يقول Maass. “تُظهر المحاكاة أن آلية التعب لفرع من الخلايا العصبية ضرورية لهذا الذاكرة القصيرة الأمد.”

ربط شبكات التعلم العميق

为了实现这一点، يربط الباحثون نوعين من شبكات التعلم العميق. تعمل شبكات الخلايا العصبية التغذية الراجعة على “الذاكرة القصيرة الأمد”، وتفلتر الوحدات المتكررة المعلومات ذات الصلة المحتملة من الإشارة الدخلة وتخزينها. تحدد شبكة التغذية الأمامية العلاقات المهمة للحل الحالي. يتم فلتر العلاقات غير الهامة، وتنفجر الخلايا العصبية فقط في الوحدات التي تم العثور فيها على معلومات ذات صلة. يؤدي هذا العملية بأكملها إلى توفير كبير في الطاقة.

Steve Furber هو زعيم قسم الحوسبة Neuromorphic في HBP وأستاذ هندسة الكمبيوتر في جامعة مانشستر.

“تجعل هذه الخطوة وعد الذكاء الاصطناعي القائم على الأحداث بكفاءة الطاقة على منصات Neuromorphic خطوة مهمة أقرب إلى التحقق. يتناسب الآلية الجديد جيدًا مع أنظمة الحوسبة Neuromorphic مثل Intel Loihi وSpiNNaker التي يمكنها دعم نماذج الخلايا العصبية متعددة التخزين،” يقول Furber.