انقلاب در هوش مصنوعی با الهام از مغز: عملکرد AI با تقلید از مغز انسان بهینه‌ سازی شد

رویکرد جدیدی که در دانشگاه ساری توسعه یافته است، مستقیماً از شبکه‌های عصبی بیولوژیکی مغز انسان الهام می‌گیرد.

الهام از سیم‌کشی عصبی مغز انسان برای بهبود AI

به گزارش بخش اخبار علمی زوم تک به نقل از BBC، محققان دانشگاه ساری (University of Surrey) رویکرد جدیدی را برای بهبود عملکرد هوش مصنوعی (AI) از طریق تقلید از شبکه‌ های مغز انسان توسعه داده‌اند.

بر اساس مطالعه‌ای که در ژورنال Neurocomputing منتشر شده است، تقلید از سیم‌کشی عصبی مغز می‌تواند به طور قابل توجهی عملکرد شبکه‌های عصبی مصنوعی مورد استفاده در هوش مصنوعی مولد (generative AI) و سایر مدل‌های مدرن AI مانند ChatGPT را بهبود بخشد.

نقشه‌ برداری توپوگرافیک پراکنده (TSM) چیست؟

نقشه‌برداری توپوگرافیک پراکنده (Topographical Sparse Mapping) هر نورون را فقط به نورون‌های مجاور یا مرتبط متصل می‌کند، مشابه روشی که مغز انسان اطلاعات را به طور موثر سازماندهی می‌کند.

سیستم‌ های هوشمند کارآمدتر با مصرف انرژی کمتر

دکتر رومن بائر (Dr Roman Bauer)، مدرس ارشد، گفت: «کار ما نشان می‌دهد که سیستم‌های هوشمند می‌توانند بسیار کارآمدتر ساخته شوند و تقاضای انرژی را بدون قربانی کردن عملکرد کاهش دهند.»

محققان گفتند این مدل نیاز به تعداد زیادی اتصالات غیرضروری را از بین می‌برد و عملکرد را به روشی پایدارتر بدون فدا کردن دقت بهبود می‌بخشد.

دکتر بائر افزود: «آموزش بسیاری از مدل‌های هوش مصنوعی بزرگ و محبوب امروزی می‌تواند بیش از یک میلیون کیلووات-ساعت برق مصرف کند.»

«با سرعتی که AI به رشد خود ادامه می‌دهد، این [میزان مصرف] به سادگی پایدار نیست.»

معرفی فرآیند «هرس کردن» به سبک مغز

یک نسخه پیشرفته‌تر به نام «نقشه‌برداری توپوگرافیک پراکنده پیشرفته» (Enhanced Topographical Sparse Mapping) با معرفی یک فرآیند «هرس کردن» (pruning) الهام‌گرفته از بیولوژی در طول آموزش، یک گام فراتر می‌رود.

این فرآیند شبیه به روشی است که مغز به تدریج اتصالات عصبی خود را همزمان با یادگیری، پالایش می‌کند.

نگاهی به آینده: کامپیوترهای نورومورفیک

این تیم تحقیقاتی همچنین در حال بررسی این موضوع است که چگونه می‌توان از این رویکرد در کاربردهای دیگر، مانند کامپیوترهای نورومورفیک (neuromorphic computers) واقعی‌تر استفاده کرد – رویکردی محاسباتی که از ساختار و عملکرد مغز انسان الهام گرفته است.