مدل های سریع هوش مصنوعی ، که به طور فعال وارد زندگی ما بسیار دور شد. آنها فاقد انعطاف پذیری و بهره وری انرژی مغز ما هستند. ایجاد شبکه های عصبی جدید اساساً ، نزدیک به واقعی ترین ماده خاکستری بدن اصلی ما ، در دانشمندان دانشگاه ایالتی نیژنی نوگورود به نام Ni Lobachevsky شرکت می کند.
یکی از آنها رئیس مرکز محاسبات عصبی ، استاد دانشکده فناوری عصبی ، دکتر فیزیک و ریاضیات ، جایزه ریاست جمهوری در زمینه علم و نوآوری به دانشمندان جوان سوزان گوردلووا در مورد آینده هوش مصنوعی برای کمک به مدلهای جدید ریاضی صحبت می کند.
– سوزانا ، زیرا شما می خواهید آنچه را که به نظر می رسد برای بسیاری از افراد مناسب است ، بهبود بخشید؟
– برای اکثر مردم ، هوش مصنوعی با مدل های معروف زبان مانند Tatgpt و Deepseek آشنا است. آنها با اسناد کاملاً سر و کار دارند ، ترجمه هایی را از زبان های خارجی انجام می دهند و به طور فعال در حال توسعه هستند. با این حال ، آنها هنوز بر روی فن آوری های قرن قبل ساخته شده اند – الگوریتم های ریاضی ایجاد شده برای تجزیه و تحلیل و پردازش داده های مبتنی بر آموزش طولانی مدت. اگرچه به آنها شبکه های عصبی گفته می شود ، اما هیچ ارتباطی با شبکه های بیولوژیکی واقعی در مغز ما ندارند. هنگامی که آنها ایجاد می شوند ، فیزیولوژیست های عصبی و متخصصان مغز و اعصاب اطلاعات کافی در مورد نحوه فعالیت مغز ، نحوه انجام روند تفکر ندارند. ریاضیدانان ، برابر و بزرگ ، بر اساس ایده هایی که بسیار مشروط به کار سلول های عصبی هستند ، شبکه های عصبی مصنوعی خود را آموزش می دادند.
– به ما اطلاع دهید ، تفاوت اصلی بین کار و ایجاد فناوری چیست؟
– معماری شبکه های عصبی رسمی سنتی ایستا است. هنگام کار تغییر نمی کند. بر اساس یک کار خاص ، ما یک معماری خاص را بر اساس مقدار زیادی از داده های با دقت تهیه شده انتخاب می کنیم ، گرانش (قدرت) اتصالات را در این شبکه عصبی آموزش می دهیم یا تنظیم می کنیم. فرایند یادگیری زمان زیادی می برد. پس از آموزش ، شبکه های عصبی اغلب معماری خود را تغییر نمی دهند. در مغز ، معماری شبکه های عصبی ، برعکس ، بسیار انعطاف پذیر است ، تمام وقت در طول کار ، از هر تجربه ای حاصل می شود. در اینجا ما در حال حاضر صحبت می کنیم – شما اطلاعات جدیدی در مورد شبکه عصبی و شبکه عصبی خود که در زمان واقعی مورد مطالعه قرار گرفته است ، دریافت کرده اید.
– چگونه این اتفاق افتاد؟
– در مغز شما ، با توجه به اطلاعات جدید به دست آمده ، تکانه های الکتریکی در سلولهای مغزی شروع به ایجاد می کنند ، این فعالیت بلافاصله تنظیمات شبکه عصبی ، وزن (نیرو) تماس های پلاستیکی بین انتقال دهنده عصبی را تغییر می دهد – انتقال دهنده عصبی تغییر می کند. خوب ، ما این مکانیسم را تحت نظر داریم و ریاضیات را در مدل های پردازش و ذخیره اطلاعات برای مغز مصنوعی توصیف می کنیم و آن را بیولوژیکی می کند.
– آیا آنها می توانند کارهای مشابه در سراسر جهان انجام دهند؟ گروه علمی شما در چه سطحی است؟
– در واقع ، این منطقه در سراسر جهان کاملاً مثبت در حال توسعه است و ما نسبت به توسعه دهندگان جهان در این زمینه فرومایه نیستیم و در برخی از نقاط ما حتی از آنها فراتر می رویم. در دهه علم و فناوری که توسط رئیس جمهور اعلام شد ، ما کاملاً توسعه یافته و از تحقیقات اساسی که به سمت ایجاد آزمایشگاه ها و نمونه های اولیه تغییر یافته بود. علاوه بر ما ، برنامه نویسان ، کسانی که سخت افزاری ایجاد می کنند ، به معنای توسعه دهندگان آهن آهن ، روی مسئله ایجاد سیستم های جدید برای هوش مصنوعی کار می کنند.
– آنها چه چیزی ایجاد می کنند؟
– میکروسکویت های جدید و کامپوزیت های میکرو در نهایت به اجرای برنامه های ما بر روی رایانه کمک می کنند. در برنامه های قدیمی ، معماری جدید مغز وایکینگ به طور مؤثر کار نخواهد کرد. یک کار مهم دیگر وجود دارد: هر دو ما و متخصصان میکرو الکترونیک درک می کنند که هنگام ایجاد شبکه های عصبی مصنوعی جدید ، ما باید به دنبال بهره وری انرژی بالا باشیم ، به دنبال اصول معماری کم هزینه تر از سیستم های محاسباتی باشیم. اگر ما همچنان به چنین انرژی برای کار ابر رایانه ها مانند اکنون صرف کنیم و با قدرت آنها مصرف را افزایش دهیم ، تمام ایده با هوش مصنوعی به زودی به بن بست می رود – ما برق کافی نخواهیم داشت.
– چگونه می توان این مشکل را حل کرد؟
یک بار دیگر ، دوباره – تعویض برای کمک به مغز ما … چرا دستگاه های محاسباتی سنتی ماشین های حرارتی بیشتری دارند؟ بله ، همه برای آنها ، همراه با انرژی پردازش داده ها ، علاوه بر این ، انرژی خود را نیز برای ذخیره سازی خود صرف می کنند و حتی گرمای باقیمانده ای را که باید پردازش شود آزاد می کند ، یعنی شروع خنک کننده واحد به شدت. این امر به این دلیل است که رایانه های سنتی مطابق با معماری فون نویمان انجام می شود ، که در آن واحد ذخیره سازی اطلاعات و واحد پردازش آن به فیزیکی و بین این بلوک ها تقسیم می شوند ، روند تبادل داده به طور مداوم رخ می دهد. مقدار زیادی از زمان و برق به تقطیر این مجموعه داده ها می رود! در مغز ما ، همه چیز در یک مکان رخ می دهد: ما اطلاعات را ذخیره می کنیم و آن را در یک مکان – در سلولهای عصبی – در سلولهای عصبی – و بین آنها وصل می کنیم. سلولهای عصبی در مغز بسیار کوتاه هستند و بندرت توسط سیگنال های الکتریکی ایجاد می شوند و طبق چنین اصل پالس نادر ، اطلاعاتی است که در مغز و دانش اسلام پردازش می شود. مغز ما از نظر انرژی مصرفی در مقایسه با رایانه ها اقتصاد عظیمی است.