وقتی مغز انسان چیزی یاد می‌گیره خودشو با اون سازگار می‌کنه، اما هوش مصنوعی برعکس عمل می‌کنه.

وقتی مغز انسان چیز جدیدی یاد می‌گیرد، خود را با آن سازگار می‌کند؛ اما وقتی هوش مصنوعی چیز جدیدی یاد می‌گیرد، تمایل دارد اطلاعاتی را که قبلاً آموخته است فراموش کند.

از آن‌جایی که شرکت‌ها از داده‌های بیشتر و بیشتری برای بهبود نحوه شناسایی تصاویر، یادگیری زبان‌ها و انجام کارهای پیچیده دیگر توسط هوش مصنوعی استفاده می‌کنند، مقاله‌ای که در مجله Science در این هفته منتشر شد، روشی را نشان می‌دهد که تراشه‌های کامپیوتری می‌توانند به صورت پویا خود را برای دریافت داده‌های جدید مانند مغز سیم‌کشی کنند. کمک به هوش مصنوعی برای ادامه یادگیری در طول زمان.

شریرام راماناتان، استاد دانشکده مهندسی مواد دانشگاه پوردو که متخصص در کشف چگونگی تقلید مواد است، گفت: «مغز موجودات زنده می‌تواند به‌طور مداوم در طول عمر خود یاد بگیرد. ما اکنون یک پلتفرم مصنوعی برای یادگیری ماشین‌ها در طول عمر خود ایجاد کرده‌ایم.»

برخلاف مغز که پیوسته ارتباطات جدیدی بین نورون‌ها ایجاد می‌کند تا امکان یادگیری را فراهم کند، مدارهای روی یک تراشه کامپیوتری تغییر نمی‌کنند. مداری که یک ماشین سال‌ها از آن استفاده می‌کند با مداری که در ابتدا برای ماشین در یک کارخانه ساخته‌شده بود تفاوتی ندارد.

این یک مشکل برای قابل حمل‌تر کردن هوش مصنوعی است، مانند وسایل نقلیه خودمختار یا ربات‌های موجود در فضا که باید خودشان در محیط‌های ایزوله تصمیم بگیرند. اگر می‌توان هوش مصنوعی را مستقیماً در سخت‌افزار تعبیه کرد، نه این‌که فقط روی نرم‌افزار اجرا شود، این ماشین‌ها می‌توانند کارآمدتر عمل کنند.

در این مطالعه، راماناتان و تیمش قطعه جدیدی از سخت‌افزار ساختند که می‌تواند در صورت نیاز از طریق پالس‌های الکتریکی دوباره برنامه‌ریزی شود. راماناتان معتقد است که این سازگاری به دستگاه اجازه می‌دهد تا تمام عملکردهای لازم برای ساخت یک کامپیوتر الهام گرفته از مغز را انجام دهد.

راماناتان گفت: «اگر می‌خواهیم کامپیوتر یا ماشینی بسازیم که از مغز الهام گرفته‌شده باشد، به همین ترتیب، می‌خواهیم توانایی برنامه‌ریزی، برنامه‌ریزی مجدد و تغییر تراشه را به‌طور مداوم داشته باشیم.»

به سمت ساختن مغز به شکل تراشه

این سخت‌افزار یک دستگاه کوچک و مستطیل شکل است که از ماده ای به نام نیکلات پروسکایت ساخته‌شده است که به هیدروژن بسیار حساس است. استفاده از پالس‌های الکتریکی در ولتاژهای مختلف به دستگاه اجازه می‌دهد تا غلظت یون‌های هیدروژن را در چند نانوثانیه به هم بزند و حالت‌هایی را ایجاد کند که محققان دریافتند می‌تواند برای عملکردهای مربوطه در مغز ترسیم شود.

به عنوان مثال، هنگامی که دستگاه هیدروژن بیشتری در نزدیکی مرکز خود دارد، می‌تواند به عنوان یک نورون، یک سلول عصبی واحد عمل کند. با وجود هیدروژن کمتر در آن مکان، دستگاه به عنوان یک سیناپس عمل می‌کند، اتصالی بین نورون‌ها، چیزی که مغز از آن برای ذخیره حافظه در مدارهای عصبی پیچیده استفاده می‌کند.

از طریق شبیه‌سازی داده‌های تجربی، همکاران تیم پوردو در دانشگاه سانتا کلارا و دانشگاه ایالتی پورتلند نشان دادند که فیزیک داخلی این دستگاه ساختاری پویا برای یک شبکه عصبی مصنوعی ایجاد می‌کند که قادر است الگوها و ارقام الکتروکاردیوگرام را با کارایی بیشتری در مقایسه با استاتیک تشخیص دهد. شبکه‌های این شبکه عصبی از «محاسبات مخزنی» استفاده می‌کند که نحوه ارتباط و انتقال اطلاعات را بخش‌های مختلف مغز توضیح می‌دهد.

محققان دانشگاه ایالتی پنسیلوانیا نیز در این مطالعه نشان دادند که با ارائه مشکلات جدید، یک شبکه پویا می‌تواند مدارهایی را که برای رسیدگی به این مشکلات مناسب‌تر هستند، «انتخاب و انتخاب کند».

از آن‌جایی که تیم توانست دستگاه را با استفاده از تکنیک‌های استاندارد ساخت سازگار با نیمه‌هادی‌ها بسازد و دستگاه را در دمای اتاق کار کند، راماناتان معتقد است که این تکنیک می‌تواند به راحتی توسط صنعت نیمه‌هادی‌ها مورد استفاده قرار گیرد.

مایکل پارک، دکترای پردو گفت: «ما نشان دادیم که این دستگاه بسیار قوی است. دانشجوی رشته مهندسی مواد پس از برنامه‌نویسی دستگاه بیش از یک میلیون چرخه، پیکربندی مجدد همه عملکردها به‌طور قابل توجهی قابل تکرار است.

محققان در حال کار برای نشان‌دادن این مفاهیم بر روی تراشه‌های آزمایشی در مقیاس بزرگ هستند که برای ساخت یک کامپیوتر الهام گرفته از مغز استفاده می‌شود.

آزمایشات در پوردو در آزمایشگاه FLEX و مرکز فناوری نانو Birck در پارک دیسکاوری پوردو انجام شد. همکاران این تیم در آزمایشگاه ملی آرگون، دانشگاه ایلینویز، آزمایشگاه ملی بروکهاون و دانشگاه جورجیا اندازه‌گیری خواص دستگاه را انجام دادند.

این تحقیق توسط دفتر علوم وزارت انرژی ایالات متحده، دفتر تحقیقات علمی نیروی هوایی و بنیاد ملی علوم پشتیبانی شد.

هوش مصنوعی در وب‌سایت

یکی از کلیدی‌ترین قسممت‌های مهم در طراحی اپلیکیشن‌های بزرگ و طراحی استارت آپ‌ها هوش مصنوعی و هوش تجاری و زبان ماشین هست. از این داده‌ها می‌توان در طراحی سایت برای جذب کاربر بیشتر و بازاریابی هدفمند بهره برد؛ زیرا که شما از طریق داده‌های بدست آمده و رخدادهایی که در وب‌سایت‌تان صورت گرفته می‌توانید به نتایج بسیار مهیجی برسید. در بخش آنالیز دیتاها و عملیات سئو سایت برای این‌که متوجه بشوید کاربرها بیشتر از کدام قسمت‌ها در حال استفاده هستند یا این‌که بیشتر در کدام قسمت صفحه نمایش کلیک می‌کنند می‌توان بهره برد.

شرکت سیماگر یک شرکت خلاق در زمینه تولید و طراحی وب‌سایت به‌صورت معماری مونولوتیک و معماری میکروسرویس می‌باشد.