Iranian Futurist 
Iranian Futurist
Ayandeh-Negar
Welcome To Future

Tomorow is built today
در باره ما
تماس با ما
خبرهای علمی
احزاب مدرن
هنر و ادبیات
ستون آزاد
محیط زیست
حقوق بشر
اخبار روز
صفحه‌ی نخست
آرشیو
اندیشمندان آینده‌نگر
تاریخ از دیدگاه نو
انسان گلوبال
دموکراسی دیجیتال
دانش نو
اقتصاد فراصنعتی
آینده‌نگری و سیاست
تکنولوژی
از سایت‌های دیگر


محاسبات مقاوتی: برمبنای مغز انسان

اگر عضو یکی از شبکه‌های زیر هستید می‌توانید این مطلب را به شبکه‌ی خود ارسال کنید:
Twitter Google Yahoo Delicious بالاترین دنباله

[30 Dec 2016]   [ ]

با توجه به رشد سریع زمینه¬های یادگیری ماشینی، رنسانسی در شبکه¬های عصبی به وجود آمده است، به گونه¬ای که نرم¬افزارهای کامپیوتری می¬توانند مسائل را شبیه به راه حل های انسان¬ها حل کنند. این نرم¬افزارها با به کارگیری فرآیندهای پیچیده¬ای از الگوهای منطبق سازی که بر روی باگ¬های مسائل توزیع می¬کنند، سعی در حل این مسائل دارند. قدرت¬ محاسباتی اخیر در کامپیوترها، شبکه های عصبی را قادر به شناسایی تصاویر، سخنرانی-ها، و چهره¬ها می¬سازد و به لطف قدرت زیادی که در فناوری محاسبات به وجود آمده است، این کار را همانند یک انسان بسیار باهوش انجام می¬دهند. بسیاری از مهندسین کامپیوتر فکر می¬کنند که این تنها شروع کاری است که در نهایت به موفقیت منجر می¬شود. متاسفانه، سخت افزاری که ما برای آموزش شبکه¬های عصبی از آن استفاده می¬کنیم، تقریباً در مقایسه با ساختار شبکه¬¬های عصبی هیچ است. یعنی ممکن است برنامه ریزی کردن یک شبکه عصبی برای حل یک مساله، روزها و ماه¬ها به طول بیانجامد-حتی در یک محاسبه خوشه¬ای- و سپس بعد از انجام این برنامه ریزی هم قدرت بسیار زیادی لازم است تا بتواند مساله موردنظر را حل کند.
شاید محاسبات نیرومورفیک کلیدی برای حل الگوریتم باشد
محققین کمپانی بزرگ IBM با هدف تحولی در دنیای برنامه¬نویسی او فناوری دیگری شبیه به شبکه¬های عصبی استفاده کردند، که اولین بار در یک دهه پیش ظاهر شد. این فناوری را محاسبات مقاومتی نامیدند، مفهومی که در خود واحدهای محاسباتی را به شکل آنالوگ داشت، طبیعتی کوچک داشت، و به گونه¬ای بود که مهندسان توانستند در حین کار کردن بر روی آن به کشفیات مفیدی برسند. ترکیب کردن شبکه¬های عصبی با سخت افزار در شرکت IBM کار جدیدی نیست. این کمپانی اخیراً برخی از تراشه¬های TrueNorth خود را برای آزمایشگاه¬های Lawrence National Labs و به هدف استفاده در واحدهای تحقیقاتی AI به فروش رسانده است. محصول TrueNorth طراحی نیروموفیکی دارد، به این معنی که این تراشه¬ها با دقت بالا می¬توانند معماری مغز انسان را حدس بزنند و مشابه تماس¬های عصبی انسان کار می¬کنند. TrueNorth علی¬رقم نرخ سرعت پایین ۱KHz که دارد، می¬تواند شبکه¬های عصبی را با کارایی بالایی اجرا کند زیرا دارای دارای یک میلیون واحد ریز پردازش کننده می¬باشد که هرکدام از آنها شبیه به یک نورون هستند.
اگرچه تاکنون شتاب در پیشرفت شبکه¬های عصبی مانند پروژه TrueNorth به بخش حل مسایل در گسترش شبکه¬های عصبی محدود شده است. تربیت سیستم-فرآیندی که به سیستم اجازه می¬دهد با استفاده از مجموعه¬ای از داده¬ها خودش به خودش نمره دهد-، و اجرای ترفند بر روی پارامترها (که وزن¬ نامیده شده است) و تا زمانی این روند ادامه می¬یابد که پروژه به موفقیت برسد- و با این حال هنوز هم نیاز است که این کارها با استفاده از کامپیوترهای سنتی انجام شوند. با استفاده از GPU (کارت گرافیک) به جای CPU ها و همچنین استفاده از سیلیکون¬های مرسوم، عملکرد افزایش پیدا کرده است و باعث صرفه¬جویی در مصرف انرژی شده است، اما هنوز هم این فرآیند زمان¬گیر و دارای هزینه¬های زیاد است. یعنی زمانی که این کار را محققانی از شرکت IBM به نام¬های Tayfun Gokmen و Yuri Vlasiv شروع کردند، هدف آنها ساختن وسیله¬ای با معماری یک تراشه بود، و می¬خواستند این کار را با استفاده از محاسبات مقاومتی و با هدف ساخت هزاران واحد محاسبات مقاومتی (RPU) انجام دهند و در نتیجه بتوانند از این وسیله در بهبود خود وسیله و همچنین در شبکه¬های عصبی استفاده کنند.
استفاده از محاسبات مقاومتی برای از میان برداشتن تنگناهای شبکه¬های عصبی
محاسبات مقاوتی مبحثی بسیار گسترده دارد، اما اگر بخواهیم دقیق صحبت کنیم، در طراحی کمپانی IBM، هرکدام از واحدهای RPU در این تراشه شبیه به یک مغز انسان عمل می¬کنند. این تراشه انواع مختلفی از ورودی های آنالوگ را دریافت می کند-که به صورت ولتاژ وارد می¬شوند- و با استفاده از “تجربیات” گذشته خود این تراشه تصمیم می گیرد که از یک تابع وزنی استفاده کرده و نتیجه نهایی را برای محاسبات مورد نظر خود انتخاب کند. سیناپس¬ها (محل تماس دو عصب) لایه¬ای در مغز هستند که دارای ماهیت گیج کننده¬ای هستند و هنوز به صورت کامل درک نشده اند، اما این تراشه¬های IBM با استفاده از محاسبات مقاومتی قصد دارند این سیناپس¬ها در آرایه¬های دوبعدی سازماندهی کنند. برای مثال، کار اخیر IBM نحوه امکان سازماندهی این¬ها را در آرایه¬های ۴۰۹۶*۴۰۹۶ نشان می¬دهد.
به این دلیل که واحدهای محاسبات مقاومتی تخصصی هستند (در مقایسه با هسته¬های CPU و GPU) و نیازی به تبدیل داده¬ها و اطلاعات از آنالوگ به دیجیتال و یا دسترسی به حافظه¬ای به غیر از حافظه خودشان را ندارند، از این جهت می¬توانند بسیار سریع باشند و انرژی کمتری را مصرف کنند. از لحاظ تئوری، یک شبکه عصبی پیچیده-مانند یک شبکه که برای شناسایی علامت¬های جاده¬ای در یک ماشین بدون سرنشین استفاده شده است- را می¬توان به صورت مستقیم به وسیله اختصاص دادن یک محاسبه مقاومتی به هر یک از گره¬ها (باگ¬ها)ی یک نرم افزار مدل بندی کرد. اما به دلیل طبیعت آنالوگی در نرم افزارها و مقدار نویز مشخصی که هرکدام از این نرم افزارها در مدار خود دارند، محاسبات RPU دقیق نمی¬باشند. پس هر الگوریتمی که در بر روی آنها اجرا می¬شود باید در در مقابل عدم دقت ذاتی در محاسبات مقاومتی، مقاوم شده باشند.
الگوریتم¬های شبکه¬های عصبی قدیمی، چه برای اجرا و چه برای تمرین، با این فرض نوشته شده اند که دقت پردازش واحدها در هر سطحی از قدرت حافظه، بالا می¬باشد. پس نوشتن مجدد این الگوریتم¬ها با این هدف که به وسیله خودشان اجرا شوند و در مواقع تولید نتایج دقیق و کارا، به خوبی عمل کنند، نیازمند نرم افزارهای نوین و پیشرفته¬ای می¬باشد.
برای اینکه این الگوریتم ها در نرم افزارهای قدرتمند بازنویسی شوند، سخت افزار پیشرفته ای هم مورد نیاز است. با وجود فناوری هایی که برای ساختن “سیناپس¬ها” کافی نیستند، می توانیم این فناوری ها را روی هم جمع کرده و کاری کنیم که در محیط هایی که دارای نویز بالایی هستند، انرژی کمتری مصرف کنیم و مهتر از همه اینکه به جای رویکردهای قبلی از پردازش¬های مقاومتی استفاده کنیم. اجرای runtime ابتدا برای استفاده در شبکه¬های عصبی بر روی یک کامپیوتر مقاومتی ترکیبی استفاده شد و تا قبل از سال ۲۰۱۴ به وجود نیامده بود. در آن زمان، محققان در دانشگاه Pittsburg و دانشگاه Tsinghua ادعا کردند که چنین راه حلی می تواند با پایین آوردن تنها ۵ درصد از دقت موجود، سه یا چهار برابر در مصرف انرژی صرفه¬جویی کند.
از ایده تا عمل
این کار جدید از کمپانی IBM استفاده از محاسبات مقاومتی را بیشتر از قبل افزایش داده است، و یک سیستم را به گونه¬ای تغییر می¬دهد که تقریباً تمام انواع محاسبات را با استفاده از واحدهای RPU انجام دهد و در این حالت مدارهای قدیمی تنها برای پشتیبانی از توابع و ورودی ها و خروجی ها مورد استفاده قرار می¬گیرند. این نوآوری نیاز به ترکیب آن با نسخه¬ای از یک الگوریتم عملی شبکه عصبی، دارد تا بتواند بر روی یک ساختمان RPU و استفاده از سخت افزاری که توانایی اجرای RPU را دارد، به خوبی عمل کند.
تا زمانی که این ایده را به عمل تبدیل کنیم، تا آن روز محاسبه مقاومتی دارای ساختاری بیشتر شبیه به یک تئوری خواهد بود. اولین حافظه مقاومتی (RRAM) در سال ۲۰۱۲ برای نمونه¬سازی مورد استفاده قرار گرفت، و اصلاً کسی فکر نمی¬کرد که محصولی پایه¬ای و مبنا برای سال ¬های آینده باشد. همچنین این تراشه ها به مقیاس حافظه سیستم ها کمک می کنند و برای استفاده فناوری مقاومتی در محاسبات بسیار مفید هستند، ولی با این حال، مشکلات مربوط به اجرای فرآیندهای سیناپس را برطرف نکرده اند.
اگر RPUها قابل ساختن باشند، محدویت¬ها از بین می¬روند
از طراحی پیشنهادی RPUها انتظار می¬رود که بتوانند انواع مختلفی از شبکه¬های عصبی عمیق (DNN) را اجرا کنند، که شامل اتصال کامل و پیچشی می باشد، که همین استفاده از RPUها باعث می¬شود در زمینه کاربردهای شبکه¬های عصبی دارای فایده¬های بسیار زیادی باشند. با استفاده از فناوری موجود CMOS و با فرض اینکه RPUها در ترکیب¬های ۴۰۹۶*۴۰۹۶ با ۸ انس بر واحد زمان اجرا می¬شوند، هریک از این ترکیب¬ها می¬توانند ۵۱ گیگااپس بر ثانیه را اجرا کنند، و این کار را با استفاده از مقداری کمی مصرف انرژی انجام می¬دهند. یک تراشه با ۱۰۰ ترکیب و یک CPU مکمل می¬تواند یک شبکه با وزن ۱۶ بیلیون را متحمل شود درحالی که فقط ۲۲ وات انرژی مصرف می¬کند (فقط دو وات از این مقدار انرژی صرف RPU ها می¬شود و بقیه صرف هسته CPU جهت وارد و خارج کردن اطلاعات و همچنین اجرای کنترل کلی سیستم می¬شود).
این مقدار در مقایسه با استفاده از GPU ها تعداد قابل توجهی است (به ۱۶ میلیون مولفه محاسباتی فکر کنید، که هزاران برابر کمتر از قبلی است). محققان ادعا می¬کنند که زمانی که این وسیله ساخته شود، یک سیستم AI که برپایه محاسبات مقاومتی بنا شده است و از تراشه¬های قوی و RPU ها استفاده میکند، می¬تواند در مقایسه با کارایی های امروزی ۳۰۰۰۰ برابر بهتر و کاراتر شود، و همه این کارها با کارایی انرژی ۸۴۰۰۰ گیگااپس بر ثانیه بر وات انجام می¬شوند. اگر این رویا روزی به واقعیت تبدیل شود، ما می¬توانیم رویاهای فانتزی Isaak Asimov از یک روبات دارای مغز پوزیترونیک را در واقعیت مشاهده کنیم.

مطلب‌های دیگر از همین نویسنده در سایت آینده‌نگری:


منبع: 170


بنیاد آینده‌نگری ایران



چهارشنبه ۲۶ مهر ۱۳۹۶ - ۱۸ اکتبر ۲۰۱۷

خبرهای علمی

+ پایانی با شکوه کاسینی و درس هایی برای ساکنان شهری دور پوریا ناظمی

+ چه کسی انرژی را درمان می‌کند؟ هرمز پوررستمی

+ پژوهشگران برای اولین بار مغز انسان را به اینترنت متصل کردند حمیدرضا تائبی

+ هوش مصنوعی ده سال زودتر از بروز نشانه‌ها، آلزایمر را تشخیص می‌دهد حمیدرضا تائبی

+ افزایش توانایی ذهن با نرمش مغزی 

+ تاریکی جهان یا تاریکی خرد پوریا ناظمی

+ رابطه بین هوش افراد و طول عمر آنها چگونه است؟ 

+ میرزاخانی: خوش‌شانس بودم و در زمان درستی به دنیا آمدم حمیدرضا تائبی

+ چرا خوشحالی مانع خلاقیت می‌شود؟ مهسا قنبری

+ سری شبکه عصبی: انواع شبکه عصبی 1 

+ سلول‌های بنیادی به کمک درمان ناباروری می‌آیند 

+ آیا جسدی که به روش سرمازیستی منجمد شده است دوباره به زندگی بازخواهد گشت؟ 

+ آیا انسان به حداکثر طول عمر خود رسیده است؟ 

+ چرا بچه‌ها تلویزیون را بیشتر از کتاب دوست دارند؟ روح‌الله کریمی

+ ملاحظات فنی چالش ساخت کیسه‌ آفرزیس برای جداسازی سلول‌ها 

+ انقلابی که اتفاق نیفتاد! دکتر شیرزاد کلهری

+ حافظه‌های مصنوعی؛ رویـای واقعـی حمیدرضا تائبی

+ چرا افراد باهوش از چند وظیفه‌گی اجتناب می‌کنند؟ مهسا قنبری

+ اظهارنظر جنجالی ایلان ماسک: رابط مغز و کامپیوتر ضامن بقای انسان‌ها حمیدرضا تائبی

+ افسردگی اختلال ذهنی نیست؛ راه‌کار مغز برای حل مشکل است! حمید نیک‌روش

+ کامپیوتر کشف کرد انسان‌ها چگونه چهره‌ها را تشخیص می‌دهند حمیدرضا تائبی

+ محاسبات مقاوتی: برمبنای مغز انسان 

+ نور، این «ذره – موج» پُر از زیبایی و راز همنشین بهار

+ بهره‎برداری از هوش‎اجتماعی نیروی‎کار آینده به کمک فناوری  مترجم: فریبا ولیزاده

+ بازگشت از آن دنیا محمدرضا تجلی

+ شبيه‌سازي مغز در 2015. 

+ کاربرد فناوری اطلاعات در پزشکی 

+ DNA روش آینده ذخیره اطلاعات خواهد بود؟ 

+ چرا علم با بحران مشروعیت و بی‌اعتمادی روبرو است؟ 

+ علم رهایی بخش 

+ مغز و اسرار آن (جهش غول‌آسای بعدی علم – بخش نخست) پوریا ناظمی

+ چرا سفر به مریخ مهم است؟ پوریا ناظمی

+ آشکارشدن امواج جاذبه؛ لحظه‌ای مهّم در تاریخ علم  همنشین بهار

+ ذهن زیبا یا متوهم ؟ فاطمه سیارپور

+ پیش به سوي یک استراتژي دموکراتیکی براي علم ویلیام کري

+ در آینده ای نزدیک دندان ها با شیشه ترمیم می شوند 

+ کبدچرب؛ بیماری آینده 

+ توربینی که پرواز می‌کند و چند برابر توربین‌های زمینی برق تولید می‌کند. 

+ خودرو‌هایی که با هم حرف می‌زنند جواد عسگری

+ شیوه‌های نوین درمان آسیب‌های مغزی 

+ کم‌آبی؛ هشداری برای 14 کشور خاورمیانه فرناز حیدری

+ چرا مخالف شبيه سازي انساني هستم؟ جرمي ريفکين

+ تبدیل بافت سرطانی به بافت سالم در آزمایشگاه bbc

+ دانشمندان در آزمایشگاه یک مغر انسان پرورش دادند 

+ طول عمر انسان محدودیت ندارد 

+ ويتامين‌هاي کاهش و افزايش وزن 

+ ناسا از کشف شبیه‌ترین سیاره به زمین خبر داد 

+ مغزهای متصل شده موش ها، کامپیوتر ارگانیک تولید می کند رضا مولوی

+ چگونه هوش هیجانی (EQ) خود را از 6 راه افزایش دهیم ؟  شیما عنایت فرد

+ ترکیب اپتوژنتیک و MRI برای مطالعه بیماری‌های مغزی 

+ دیدن با زبان امکانپذیر شد 

+ دستم را بفشار تا بگویم چقدر زنده می‌مانی بی بی سی

+ ناسا: رسیدن به سرعتی بیش از سرعت نور هنوز در حد رویا است بی بی سی

+ پیوند قلب مُرده به انسان برای اولین بار در جهان 

+ تاثیر درآمد والدین بر آناتومی مغزی کودکان 

+ چشم مصنوعی مجهز به وای – فای ساخته شد 

+ قدرتمندترین خودروی تمام برقی جهان ساخته شد 

+ کشف ارتباط سریع فکر کردن با عملکرد نوعی ژن 

+ استفاده از سفیده‌ تخم مرغ در فرآیند تولید نانوذرات 

+ نخستین قدم برای دستیابی به شهر هوشمند 

+ ساخت نوعی نانودارو برای درمان عفونت باکتریایی مقاوم به آنتی بیوتیک‌ها 

+ «بهبود وضعیت اخلاقی مرهون خرد و دانش است و نه فقط ادیان»  کامبیز توانا

+ تصویربرداری فوق پیشرفته از میکروب‌ها و ذرات نانو با دستاورد ساخت داخل 

+ کشف راز مهمترین ژن استخوان ساز توسط محقق ایرانی دانشگاه آلاباما 

+ کاشت حافظه مصنوعی در مغز برای به یاد آوردن خاطرات 

+ زمین آن‌قدرها هم به ماه وابسته نیست  Space

+ رمزگشایی از اسرارآمیزترین ذرات بنیادی حامد الطافی مهربانی

+ پیش‌بینی زمان مرگ با کاهش قدرت بویایی 

+ برنامه‌های سوئیس برای توسعه دیپلماسی علم (۳) 

+ شروع به کار نیروگاه تولید برق از انرژی امواج دریا 

+ مصرف شکر را به «پنج تا ده درصد» رژیم غذایی روزانه کاهش دهید 

+ آیا نظریه «بیگ‌بنگ» به چالش گرفته شده است؟ بکتاش خمسه پور

+ پروفسور سرکار آرانی : “چرا” شروع یادگیری است 

+ روزنامه نگار ی علم پوریا ناظمی

+ ویژگی های فلسفی هوش مصنوعی چیست؟  

+ پیش بینی فناوری ها و رویدادهای علمی آینده  تحریریه‌ی بیگ بنگ

+ جهانی برخاسته از هیچ! میچیو کاکو

+ یادگیری چگونه رخ می دهد؟ 

+ هوش مصنوعی و آینده ترسناک بشر 

+ ۱۱ دلیلی که شیر دیگر یک غذای جادویی نیست  نسیبه خانلرزاده

+ چگونه به ناممکن ها دست پیدا کنیم؟  

+ اختراعات تصادفی که جهان را تغییر داد جواد ارشادی

+ این درد می تواند از علایم افسردگی باشد 

+ خالکوبی هپاتیت می آورد؟ 

+ چگونه به وسیله اینترنت تحقیق کنیم؟  ربابه نصیرزاده

+ طراحی دیش‌هایی برای تولید برق، آب پاکیزه و تهویه مطبوع از خورشید 

+ ۱۴۸ فناوری و راهکار برای مدیریت بحران کم‌آبی 

+ شیمی درمانی تا ۲۰ سال دیگر منسوخ می‌شود 

+ برقراری اولین ارتباط تله‌پاتی مغز به مغز در جهان 

+ درمان درد مفصل با تغذیه مهتاب خسروشاهی‌

+ طبیعی ترین شیوه های مبارزه با درد 

+ درمان هدفمند به کمک داروهای هوشمند ایلیا امیری

+ ده پیش‌بینی درباره تحولات علمی و فنی جهان تا سال ۲۰۲۵  خبرگزاری آلمان

+ ماه به دیدار زمین می‌آید  همنشین بهار

+ خانه های چند نسلی، راه حل آلمان برای از تنهایی درآوردن مسن ترها 

+ چند پرسش و پاسخ کاربردی درباره خونریزی قلبی  

+ خبرنامه دیجیتال باشگاه آینده پژوهی وحید مطلق منتشر شد 

+ نفوذ دیجیتالی به مغز  مائده گیوه چین

+ درباره زمان، وجود، مشاهده، چیزها و اصول منطقی ریاضی - فیزیک کوانتوم وحید وحیدی مطلق

+ ابدی شدن و نامیرایی دیجیتال در سال 2045 محقق خواهد شد  



info@ayandehnegar.org
©Ayandehnegar 1995