10 آذر ماه 1404
0 
یک نامزد دکتری در دانشگاه MIT در حال کار بر روی فناوری جدیدی است که با کپی برداری از نحوه عملکرد مغز انسان، قصد دارد هوش مصنوعی (AI) را کم مصرف تر و بهینه تر کند. این دستاورد میتواند پاسخی به یکی از بزرگترین چالش های دنیای فناوری باشد.
به گزارش بخش اخبار علمی زوم تک به نقل از MIT News، میراندا شواک (Miranda Schwacke) در دپارتمان علم و مهندسی مواد، روی رایانش نورومورفیک (Neuromorphic Computing) مطالعه میکند. تمرکز کار او بر ساخت دستگاه هایی است که داده ها را در یک نقطه واحد پردازش و ذخیره میکنند؛ درست شبیه به عملیاتی که مغز از طریق نورون ها و سیناپس ها انجام میدهد.
از زیست شناسی دریایی تا مهندسی مواد؛ مسیری برای تغییر جهان
مسیر شواک به سمت این حوزه از چارلستون در کارولینای جنوبی آغاز شد. مادر او به عنوان یک زیستشناس دریایی کار میکرد و در مورد چگونگی آسیب آلایندهها به گروههای دلفینها تحقیق میکرد. تماشای مادرش که از علم برای درک و رسیدگی به مسائل زیستمحیطی استفاده میکرد، اهداف شواک را شکل داد.
شواک به MIT News گفت: «این مثالی بود از اینکه چگونه میتوان از علم برای درک جهان استفاده کرد و همچنین فهمید که چگونه میتوانیم جهان را بهبود بخشیم.»
او در دوران دبیرستان با علم مواد آشنا شد و یک پروژه تحقیقاتی ارشد را برای کاوش در سلولهای خورشیدی حساس به رنگ توسعه داد. در موسسه فناوری کالیفرنیا (Caltech)، او روی مواد ریز و فناوریهای ذخیره انرژی، از جمله سیستمهای باتری مطالعه کرد.
او سپس به آزمایشگاه پروفسور بیلگه ییلدیز در مؤسسه فناوری ماساچوست (MIT) پیوست، جایی که اکنون روی سیناپسهای یونی تحقیق میکند. این دستگاهها میتوانند از طریق فرآیندهای شیمیایی تنظیم شوند تا نحوه حرکت الکتریسیته از میان آنها تغییر کند؛ فرآیندی که دقیقاً نحوه تقویت یا تضعیف اتصالات توسط سلولهای مغزی را شبیهسازی میکند.
چالش بزرگ: مصرف انرژی سرسام آور هوش مصنوعی
مشکلی که شواک با آن دست و پنجه نرم میکند، عظیم است. آموزش مدلهای بزرگ هوش مصنوعی مقادیر زیادی برق مصرف میکند. کامپیوترهای استاندارد اطلاعات را بین بخشهای جداگانه ذخیرهسازی و پردازش جابهجا میکنند که این عمل باعث هدررفت انرژی میشود. در مقابل، مغز متفاوت عمل میکند. مغز اطلاعات را در یک نقطه مدیریت و ذخیره میکند که این کار آن را بسیار کارآمدتر میسازد.
دستگاههای شواک از اکسید تنگستن استفاده میکنند؛ مادهای که او میتواند با دقت آن را تنظیم کند. او بررسی میکند که وقتی یونهای منیزیم وارد ماده میشوند و مقاومت آن را تغییر میدهند چه اتفاقی میافتد. این فرایند کنترل میکند که سیگنالها با چه قدرتی عبور کنند، روشی که آینهوار عملکرد سیناپسها در مغز ما را تکرار میکند. او برای تحقیقات خود در سالهای ۲۰۲۳ و ۲۰۲۴ موفق به دریافت فلوشیپ MathWorks شده است.
تاثیرات زیست محیطی و آینده پایدار تکنولوژی
هوش مصنوعی میتواند به بهینهسازی شبکههای انرژی تجدیدپذیر کمک کند، راهحلهای اقلیمی را سرعت بخشد و آلودگی را کاهش دهد. اما خود هوش مصنوعی نیز تقاضای عظیمی برای الکتریسیته و آب (برای خنکسازی مراکز داده) دارد.
آموزش تنها یک مدل زبانی بزرگ (LLM) میتواند به اندازه پنج خودرو در طول عمرشان آلودگی کربنی تولید کند. این فناوری زبالههای الکترونیکی ایجاد میکند و نگرانیهایی را در مورد سوءاستفاده و امنیت ایجاد میکند. همانطور که هوش مصنوعی در هر صنعتی گسترش مییابد، شناخت این داد و ستدها (مزایا در برابر معایب) اهمیت بیشتری پیدا میکند.
اگر نگران ردپای زیستمحیطی فناوری هستید، از تحقیقات در زمینه رایانش کممصرف حمایت کنید. از شرکتهای فناوری در مورد منابع انرژی و روشهای خنکسازی آنها سوال کنید.
شواک در این باره میگوید: «اگر به طور خاص به هوش مصنوعی نگاه کنید، آموزش این مدلهای واقعاً بزرگ انرژی زیادی مصرف میکند. و اگر آن را با مقدار انرژی که ما انسانها هنگام یادگیری چیزها مصرف میکنیم مقایسه کنید، مغز انرژی بسیار کمتری مصرف میکند. همین موضوع منجر به شکلگیری این ایده شد تا راههایی با الهام از مغز و با بازده انرژی بیشتر برای انجام هوش مصنوعی پیدا کنیم.»
نظرات در مورد : شاهکار دانشجوی MIT؛ حل مشکل مصرف انرژی هوش مصنوعی با الهام از مغز انسان