الحوسبة المستوحاة من علم الأحياء

يمكن استخدام الحوسبة المستوحاة من علم الأحياء لتدريب حشرة افتراضية. يتم تدريب الحشرة على التنقل في تضاريس غير معروفة للعثور على الطعام باستخدام ست قواعد بسيطة:

• انعطف يمينًا باتجاه الهدف والعائق على اليسار؛
• انعطف يسارًا للوصول إلى الهدف والعائق على اليمين؛
• انعطف يسارًا للوصول إلى الهدف - اليسار - العائق - اليمين؛
• انعطف يمينًا باتجاه الهدف - يمينًا - عائق - يسارًا؛
• انعطف يسارًا نحو الهدف - يسارًا بدون عوائق؛
• انعطف يمينًا نحو الهدف الموجود على اليمين دون وجود عوائق.

يمكن للحشرة الافتراضية التي تتحكم بها الشبكة العصبية النبضية المدربة أن تجد الطعام بعد التدريب في أي بيئة غير معروفة. ^{[ 11 ]} بعد عدة أجيال من تطبيق القواعد، عادةً ما تظهر بعض أشكال السلوك المعقد . يتراكم التعقيد حتى تصبح النتيجة شيئًا معقدًا بشكل ملحوظ، وغالبًا ما يكون مناقضًا تمامًا لما كان متوقعًا أن تنتجه القواعد الأصلية (انظر الأنظمة المعقدة ). لهذا السبب، عند نمذجة الشبكة العصبية ، من الضروري نمذجة شبكة حية بدقة ، من خلال جمع معاملات "الضوضاء" بشكل مباشر، والتي يمكن استخدامها لتحسين الاستدلال الإحصائي والاستقراء مع ازدياد تعقيد النظام. ^{[ 12 ]}

يُعد التطور الطبيعي مثالاً جيداً يُشابه هذه الطريقة؛ فقواعد التطور ( الانتخاب ، وإعادة التركيب /التكاثر، والطفرة ، ومؤخراً الانتقال ) هي في جوهرها قواعد بسيطة، ومع ذلك فقد أنتجت على مدى ملايين السنين كائنات حية بالغة التعقيد. وتُستخدم تقنية مماثلة في الخوارزميات الجينية .

يدرك باحثو الذكاء الاصطناعي الآن فوائد التعلم من آلية معالجة المعلومات في الدماغ. كما يوفر التقدم في علوم الدماغ وعلم الأعصاب الأساس اللازم للذكاء الاصطناعي للاستفادة من هذه الآلية. ويسعى باحثو الدماغ وعلم الأعصاب إلى تطبيق فهمهم لمعالجة المعلومات في الدماغ على نطاق أوسع من المجالات العلمية. ويستفيد هذا التطور من التقدم التكنولوجي في مجال المعلومات والتكنولوجيا الذكية، وسيُلهم بدوره الجيل القادم من باحثي الدماغ وعلم الأعصاب في مجال تحويل تكنولوجيا المعلومات.

تُسهم التطورات في علم الدماغ وعلم الأعصاب، ولا سيما بفضل التقنيات والمعدات الحديثة، في تمكين الباحثين من الحصول على أدلة بيولوجية متعددة المستويات والأنواع للدماغ من خلال مناهج تجريبية متنوعة، وتسعى هذه التطورات إلى الكشف عن بنية الذكاء الحيوي من جوانب وأسس وظيفية مختلفة. فمن الخلايا العصبية المجهرية وآليات عمل المشابك العصبية وخصائصها، إلى نموذج اتصال الشبكة المتوسطة ، وصولاً إلى الروابط في نطاق الدماغ الكلي وخصائصها التآزرية، ستوفر البنية متعددة المستويات والآليات الوظيفية للدماغ، المستمدة من هذه الدراسات التجريبية والآلية، مصدر إلهام هام لبناء نموذج حاسوبي مستوحى من الدماغ في المستقبل. ^{[ 13 ]}

بشكل عام، تشير الشريحة المستوحاة من الدماغ إلى شريحة مصممة بالاستناد إلى بنية خلايا الدماغ البشري ونمطه الإدراكي. ومن الواضح أن " الشريحة العصبية الشكلية " هي شريحة مستوحاة من الدماغ تركز على تصميم بنية الشريحة بالاستناد إلى نموذج خلايا الدماغ البشري وبنيتها النسيجية، وهو ما يمثل اتجاهًا رئيسيًا في أبحاث الشرائح المستوحاة من الدماغ. ومع ظهور وتطور "خطط الدماغ" في مختلف البلدان، ظهرت نتائج بحثية عديدة حول الشرائح العصبية الشكلية، حظيت باهتمام دولي واسع النطاق، وهي معروفة جيدًا في الأوساط الأكاديمية والصناعية. على سبيل المثال، SpiNNaker وBrainScaleS المدعومتان من الاتحاد الأوروبي، و Neurogrid من جامعة ستانفورد، و TrueNorth من IBM ، و Zeroth من Qualcomm .

تُعدّ TrueNorth شريحة مستوحاة من الدماغ، تعمل شركة IBM على تطويرها منذ ما يقارب عشر سنوات. ومنذ عام 2008، يُموّل برنامج DARPA الأمريكي شركة IBM لتطوير شرائح الشبكات العصبية النبضية للمعالجة الذكية. وفي عام 2011، طوّرت IBM نموذجين أوليين من السيليكون المعرفي، وذلك بمحاكاة بنى الدماغ القادرة على التعلّم ومعالجة المعلومات. وترتبط كل خلية عصبية في الشريحة المستوحاة من الدماغ بشبكة متوازية واسعة النطاق. وفي عام 2014، أطلقت IBM الجيل الثاني من الشريحة المستوحاة من الدماغ، والذي يحمل اسم "TrueNorth". وبالمقارنة مع الجيل الأول، فقد تحسّن أداء شريحة TrueNorth بشكل ملحوظ، حيث زاد عدد الخلايا العصبية من 256 إلى مليون خلية، وارتفع عدد المشابك العصبية القابلة للبرمجة من 262,144 إلى 256 مليون مشبك، مع استهلاك إجمالي للطاقة يبلغ 70  ميلي واط، واستهلاك طاقة يبلغ 20  ميلي واط لكل سنتيمتر مربع. في الوقت نفسه، لا تتجاوز قدرة معالج TrueNorth على معالجة البيانات 1/15 من قدرة الجيل الأول من رقائق الدماغ. وقد طورت شركة IBM حاليًا نموذجًا أوليًا لحاسوب عصبي يستخدم 16 شريحة TrueNorth مزودة بإمكانيات معالجة الفيديو في الوقت الفعلي. ^{[ 14 ]} وقد أثارت المؤشرات الفائقة والتميز الذي تتمتع به شريحة TrueNorth ضجة كبيرة في الأوساط الأكاديمية عند إطلاقها.

في عام ٢٠١٢، تعاون معهد تكنولوجيا الحوسبة التابع للأكاديمية الصينية للعلوم مع المعهد الفرنسي للبحوث في علوم الحاسوب والتحكم الآلي (Inria) لتطوير أول شريحة في العالم تدعم بنية معالج الشبكات العصبية العميقة، وهي شريحة "كامبريان". ^{[ ١٥ ]} وقد حازت هذه التقنية على جوائز في مؤتمرات دولية مرموقة في مجال هندسة الحاسوب، مثل ASPLOS وMICRO، كما حظيت منهجية تصميمها وأداؤها بتقدير دولي واسع. وتُعدّ هذه الشريحة مثالًا بارزًا على توجه البحث في مجال الشرائح المستوحاة من الدماغ.

الدماغ البشري نتاج للتطور. ورغم التحسين المستمر لبنيته وآلية معالجة المعلومات فيه، إلا أن التنازلات في عملية التطور أمر لا مفر منه. يتميز الجهاز العصبي القحفي ببنية متعددة المستويات، ولا تزال هناك عدة مشكلات مهمة في آلية معالجة المعلومات على كل مستوى، مثل بنية الاتصال الدقيقة بين مستويات الخلايا العصبية وآلية التغذية الراجعة على مستوى الدماغ. لذلك، حتى الحساب الشامل لعدد الخلايا العصبية والتشابكات العصبية لا يمثل سوى 1/1000 من حجم الدماغ البشري، ولا يزال من الصعب دراسته في ظل المستوى الحالي للبحث العلمي. ^{[ 16 ]} وقد ربطت التطورات الحديثة في محاكاة الدماغ التباين الفردي في سرعة المعالجة المعرفية والذكاء السائل لدى الإنسان بتوازن الإثارة والتثبيط في الشبكات الدماغية البنيوية ، والاتصال الوظيفي ، واتخاذ القرارات الحاسمة ، والذاكرة العاملة الجاذبة . ^{[ 17 ]}

في الأبحاث المستقبلية لنمذجة الحوسبة الدماغية الإدراكية، من الضروري نمذجة نظام معالجة المعلومات الدماغية استنادًا إلى نتائج تحليل بيانات النظام العصبي الدماغي متعدد المقاييس، وبناء نموذج حوسبة شبكي عصبي متعدد المقاييس مستوحى من الدماغ، ومحاكاة تعدد أنماط الدماغ في مختلف المقاييس. وتشمل القدرات السلوكية الذكية الإدراك والتعلم الذاتي والذاكرة والاختيار. تفتقر خوارزميات التعلم الآلي إلى المرونة وتتطلب بيانات عينة عالية الجودة مصنفة يدويًا على نطاق واسع. كما يتطلب تدريب النماذج قدرًا كبيرًا من الموارد الحاسوبية. ولا يزال الذكاء الاصطناعي المستوحى من الدماغ يفتقر إلى القدرات الإدراكية المتقدمة وقدرات التعلم الاستدلالي.

لا تزال معظم الرقائق المستوحاة من الدماغ تعتمد على أبحاث بنية فون نيومان، وتستخدم معظم مواد تصنيعها مواد أشباه الموصلات التقليدية. وتقتصر الرقاقة العصبية على استعارة الوحدة الأساسية لمعالجة المعلومات في الدماغ. أما أبسط أنظمة الحاسوب، كالتخزين والدمج الحسابي، وآلية تفريغ النبضات، وآلية الربط بين الخلايا العصبية، وغيرها، فلم تُدمج بعدُ في دراسة بنية الحوسبة المستوحاة من الدماغ، ولا في آلية الربط بين وحدات معالجة المعلومات ذات الأحجام المختلفة. ويتجه التوجه العالمي الحالي نحو تطوير مكونات الحوسبة العصبية، مثل المقاومات المتغيرة للدماغ، وحاويات الذاكرة، والمستشعرات الحسية، باستخدام مواد جديدة كالنانومترات، مما يدعم بناء بنى حوسبة أكثر تعقيدًا مستوحاة من الدماغ. كما يتطلب تطوير الحواسيب وأنظمة الحوسبة الدماغية واسعة النطاق، القائمة على تطوير الرقائق المستوحاة من الدماغ، بيئة برمجية ملائمة لدعم تطبيقاتها الواسعة.