Tecnologia

3 computer che imitano il cervello umano

Fonte: Thinkstock

Per anni, i ricercatori hanno lavorato duramente su un concetto che sembra uscito da un ambizioso film di fantascienza: computer che imitano le funzioni e la struttura del cervello umano. Mentre i computer che usiamo ogni giorno hanno fatto molta strada in termini di velocità, memoria e capacità, i computer che funzionano più come il cervello umano potrebbero completare una nuova serie di attività come il funzionamento di robot, sensori o droni e la gestione di complesse attività analitiche che i computer attualmente non possono eseguire.

Continua a leggere per conoscere alcuni dei computer che hanno tentato di imitare le funzioni del cervello umano e come la nostra crescente comprensione del cervello umano ha ispirato nuovi tipi di macchine che potrebbero alla fine portare a computer più capaci ed efficienti.

DeepMind costruisce una Neural Turing Machine che imita la memoria di lavoro del cervello

DeepMind di Google ha costruito una rete neurale in grado di accedere a una memoria esterna, come una macchina di Turing. Come riporta il Technology Review del MIT, il computer mira a imitare alcune delle proprietà del cervello memoria di lavoro a breve termine . Il computer è un nuovo tipo di rete neurale, adattato per funzionare con una memoria esterna. Apprende man mano che immagazzina i ricordi e può recuperarli in seguito per completare compiti logici, compiti oltre a quelli per cui è stato addestrato.

Uno psicologo cognitivo di nome George Miller ha scoperto negli anni '50 che ciò che definisce la memoria a breve termine del cervello umano non è la quantità di informazioni che contiene. Invece, secondo la teoria di Miller, la memoria di lavoro può contenere circa sette 'blocchi' di informazioni.

I 'pezzi' di cui si è occupata la ricerca di Miller andavano da una singola cifra o lettera a un piccolo gruppo di parole. Potrebbero rappresentare qualsiasi cosa, da una quantità molto piccola di informazioni a un'idea complessa, equivalente a una quantità molto maggiore di informazioni, dando effettivamente al cervello una scorciatoia per ricordare grandi quantità di informazioni.

Technology Review riporta che nelle scienze cognitive, la capacità di comprendere i componenti di una frase e di memorizzarli nella memoria di lavoro è chiamata 'associazione variabile'. Questa capacità consente al cervello di ricevere informazioni e assegnarle a un posto nella memoria di lavoro. Il cervello lo fa ripetutamente.

Negli anni '90 e 2000, gli informatici iniziarono a provare a progettare algoritmi, circuiti e reti neurali che potessero imitare la memoria di lavoro del cervello umano. Un computer con una tale capacità cerebrale sarebbe in grado di analizzare una semplice frase, dividendola in un attore, un'azione e il destinatario dell'azione. La nuova rete neurale di DeepMind assume questo compito, ma cambia anche la natura fondamentale di una rete neurale.

Tradizionalmente, è stata costruita una rete neurale di modelli di 'neuroni' connessi che possono modificare la forza delle loro connessioni in base a input esterni. Ma mancano di una memoria esterna - una fondamentale del processo di elaborazione - che può essere letta e scritta durante il processo di calcolo. Così Alex Graves, Greg Wayne e Ivo Danihelka di DeepMind hanno aggiunto una memoria esterna alla rete neurale, che hanno poi chiamato Neural Turing Machine.

Mentre la Neural Turing Machine apprende da input esterni come una rete neurale convenzionale, impara anche a memorizzare e recuperare informazioni. Può apprendere semplici algoritmi da dati di esempio e quindi utilizzare tali algoritmi per generalizzare molto al di fuori della sua area di addestramento. Questa capacità rappresenta un passo significativo per rendere i computer più simili al cervello umano che mai.

Uno dei prossimi passi potrebbe essere quello di affrontare un'altra capacità del cervello: ricodificare i molteplici blocchi di informazioni di cui Miller ha parlato in un unico blocco, in un processo che consente al cervello di dare un senso a argomenti complessi. Miller considerava questa capacità di ricodifica la chiave dell'intelligenza artificiale e credeva che fino a quando un computer non fosse in grado di riprodurla, non avrebbe mai eguagliato le prestazioni del cervello umano.

I ricercatori di Stanford sviluppano il circuito Neurogrid, ispirato al cervello umano

Ad aprile, il servizio di notizie della Stanford University ha riferito che i bioingegneri sviluppato un nuovo circuito modellato sul cervello umano. Kwabena Boahen e il suo team di ricercatori hanno sviluppato Neurogrid, un circuito composto da 16 chip 'Neurocore' in grado di simulare 1 milione di neuroni e miliardi di connessioni sinaptiche. Il dispositivo Neurogrid, delle dimensioni di un iPad, può simulare più 'ordini di grandezza più neuroni e sinapsi' di quanto siano in grado di fare altri computer che imitano il cervello, il tutto con la potenza necessaria per far funzionare un tablet.

Boahen intende ridurre i costi di costruzione della neurogriglia e quindi creare un software che consentirebbe a ingegneri o scienziati informatici senza alcuna conoscenza delle neuroscienze di risolvere problemi come il controllo di un robot umanoide con la neurogriglia.

Nella sua forma attuale, i ricercatori devono sapere come funziona il cervello umano per programmare il prototipo da $ 40.000. Come osserva il comunicato stampa: “Le sue caratteristiche di velocità e bassa potenza rendono Neurogrid ideale per qualcosa di più che modellare il cervello umano. Boahen sta lavorando con altri scienziati di Stanford per sviluppare protesi di arti per persone paralizzate che sarebbero controllate da un chip simile a Neurocore '.

Per rendere un sistema abbastanza accessibile da poter essere utilizzato ampiamente nella ricerca, Boahen cambierebbe il processo di produzione per i 16 Neurocores - ciascuno dei quali supporta 65.536 neuroni - che si basavano su tecniche di fabbricazione vecchie di 15 anni. Passando a processi di produzione più moderni e fabbricando i chip in grandi volumi, pensa che potrebbe costare 100 volte un Neurocore e teoricamente costruire una scheda da un milione di neuroni per soli $ 400 per copia.

Il progetto SyNAPSE di IBM produce il chip TrueNorth neurosinaptico

Nel progetto SyNAPSE di IBM, abbreviazione di Systems of Neuromorphic Adaptive Plastic Scalable Electronics, i ricercatori si sono assunti il compito di riprogettare i chip dei computer per replicare la capacità dei neuroni di creare connessioni sinaptiche. Come riportato all'epoca da CNET, ad agosto IBM ha svelato quello che ha definito il primo chip per computer neurosinaptico al mondo, un processore che imita il cervello umano capacità ed efficienza energetica .

quanto guadagna kristine leahy?

Il chip TrueNorth, delle dimensioni di un francobollo, incorpora 5,4 miliardi di transistor, 1 milione di neuroni programmabili e 256 milioni di sinapsi programmabili. Sebbene queste cifre siano inferiori ai 100 miliardi di neuroni e ai 100 trilioni a 150 trilioni nel cervello umano, il chip inserisce capacità simili a un supercomputer in un microprocessore molto più piccolo ed efficiente.

L'investigatore principale e senior manager di IBM Dharmendra Modha ha dichiarato a CNET che TrueNorth ha abbastanza neuroni e sinapsi per eseguire dispositivi che potrebbero emettere in modo proattivo allarmi di tsunami, completare il monitoraggio della fuoriuscita di petrolio o applicare le regole della corsia di spedizione, il tutto mentre funziona approssimativamente con la stessa quantità di energia utilizzata da un apparecchio acustico.

CNET riferisce che invece di risolvere i problemi tramite calcoli matematici a forza bruta, il chip TrueNorth è stato progettato per comprendere il suo ambiente, gestire l'ambiguità e agire in tempo reale. Le potenziali applicazioni potrebbero includere l'alimentazione di robot di ricerca e salvataggio, aiutare le persone con disabilità visive a muoversi in sicurezza o distinguere le voci in una riunione e creare trascrizioni accurate per ogni oratore.

Sebbene il chip TrueNorth sia ancora nella sua fase di prototipo, potrebbero essere necessari solo due o tre anni dal suo primo utilizzo commerciale. È possibile che il chip TrueNorth o un'innovazione simile possa aiutare a superare i limiti dell'architettura von Neumann, che ha costituito il nucleo di quasi tutti i computer creati dal 1948.

A differenza di una macchina di Turing, una macchina basata sull'architettura von Neumann ha una memoria ad accesso casuale (RAM), che consente a ciascuna operazione di leggere o scrivere qualsiasi posizione di memoria. Dispone inoltre di un'unità di elaborazione centrale (CPU), con uno o più registri che contengono i dati su cui si opera. Poiché il processore e la memoria sono separati e i dati si spostano costantemente tra di loro, i ritardi sono inevitabili. Indipendentemente dalla velocità con cui un processore può funzionare, le prestazioni della macchina sono limitate dalla velocità di trasferimento tra il processore e la memoria.

Come riportato dal New York Times quando IBM presentò TrueNorth, l'idea che le reti neurali potessero essere uno strumento utile per l'elaborazione delle informazioni esiste dagli anni '40, prima dell'invenzione dei computer moderni, ma solo di recente, grazie ai guadagni in termini di capacità di memoria e di elaborazione. velocità - sono diventate le reti neurali potenti strumenti informatici . Google, Microsoft e Apple hanno tutti utilizzato il riconoscimento di pattern guidato da reti neurali per migliorare servizi come il riconoscimento vocale e la classificazione delle foto.

Con TrueNorth, IBM vuole spingere i computer oltre i tipici compiti matematici del 'cervello sinistro' per completare le funzioni di elaborazione sensoriale del 'cervello destro' con pochissima potenza. Ciò consentirebbe ai chip installati nelle automobili o negli smartphone di eseguire calcoli in tempo reale, senza connessione a Internet.

Molti altri progetti ispirati al cervello sono attualmente in corso

Anche una serie di altri progetti sono in varie fasi per cercare di emulare le funzioni del cervello umano con un computer. L'Unione Europea Progetto cervello umano , ad esempio, è un'impresa di 10 anni con obiettivi che includono lo sviluppo del calcolo neuromorfico e dei sistemi neurorobotici, nonché la simulazione di un cervello umano su un supercomputer. Il progetto statunitense BRAIN - abbreviazione di Brain Research through Advancing Innovative Neurotechnologies - sfida gli scienziati a sviluppare nuovi tipi di strumenti per leggere l'attività di migliaia o addirittura milioni di neuroni nel cervello e scrivere in schemi complessi di attività.

ZDNet riferisce che i ricercatori della RMIT University di Melbourne hanno costruito un file nano struttura di archiviazione dati che imita il cervello umano, utilizzando una pellicola di materiale di ossido più di 10.000 volte più sottile di un capello umano. Il comportamento della memoria dipende dalle sue esperienze passate e la ricerca mira ad aiutare ad aprire la porta all'esplorazione di nuovi materiali man mano che la memoria flash si avvicina ai limiti di scala.

Nell'ambito del progetto BrainScales dell'Università di Heidelberg, i ricercatori stanno sviluppando chip analogici che imitano il comportamento di neuroni e sinapsi. Il chip HICANN, abbreviazione di High Input Count Analog Neural Network, accelererebbe le simulazioni cerebrali, consentendo ai ricercatori di simulare le interazioni farmacologiche che altrimenti potrebbero richiedere mesi per svilupparsi.

Come ComputerWorld segnalato a maggio, i ricercatori dei Sandia National Laboratories stanno intraprendendo un progetto a lungo termine per costruire computer di ispirazione neuro, che unirebbero elaborazione e memoria in un'unica architettura, in modo che i dati vengano elaborati e archiviati dagli stessi componenti della macchina. Sandia dice che i ricercatori saranno in grado di creare quell'architettura nei prossimi anni, ma che le applicazioni commerciali sono probabilmente ancora lontane anni.

Gizmodo ha riferito che i ricercatori dell'Università di Zurigo e dell'ETH di Zurigo hanno costruito 11.011 elettrodi su un pezzo di silicio di 2 millimetri per 2 millimetri, creando un microchip che imita il cervello umano per creare un microchip che può 'sentire' e completare il complesso compiti sensomotori che utilizzano le capacità cognitive della rete.

Mentre sarà un compito monumentale creare un computer che possa veramente agire come il cervello umano, scienziati di una varietà di discipline e background hanno dimostrato di essere all'altezza della sfida. La portata e l'ambizione dei progetti attualmente in corso sono ampi e lo sforzo globale per costruire computer che imitano il cervello umano continuerà probabilmente a produrre invenzioni affascinanti e intuizioni su nuove architetture e materiali per rendere i computer più potenti e capaci.