Sii come una persona. Macchine per le persone, persone per le macchine

Possiamo darci molto a vicenda. O infatti abbiamo già dato. Ciò è dimostrato da innumerevoli soluzioni tecniche biomimetiche che imitano nelle macchine i processi associati agli organismi umani e a molti altri esseri viventi. D'altra parte, la storia di come le macchine ci supportano è così ovvia da sembrare banale.

La parte più ambiziosa biomimetismo ci sono tentativi di ricreare nel mondo inanimato. Il cervello non ha bisogno di un'unità di elaborazione centrale (CPU) o di un disco rigido. Funziona aprendo e chiudendo le membrane nervose e inviando onde di ioni carichi. Queste onde causano cambiamenti nelle terminazioni nervose che consentono al cervello di funzionare, un processo chiamato plasticità sinaptica che ci consente di apprendere ed elaborare le informazioni.

Gli ipotetici costrutti di calcolo artificiale che imitano il cervello umano sono chiamati "neuromorfico" - questo termine è stato creato negli anni '80 da uno scienziato americano Carver Mead. Era noto per i suoi tentativi di imitare i neuroni con circuiti a transistor appositamente configurati. Gli scienziati di tutto il mondo hanno lavorato a lungo su sistemi che funzionano come il cervello umano. Per questo motivo, a volte vengono chiamati cervelli artificiali.

Cosa può fare che anche il più avanzato sistema di intelligenza artificiale non riesce ancora a far fronte? Ad esempio, può raccogliere rapidamente molte informazioni caotiche in conclusioni significative. Ecco perchè la costruzione di un computer in grado di elaborare e registrare simultaneamente le informazioni, come un cervello che analizza e archivia istantaneamente grandi quantità di dati, è una delle maggiori sfide tecnologiche di oggi.

Come i veri neuroni

Tutti i computer tradizionali e i dispositivi simili a computer si basano sull'architettura sviluppata da John von Neumannin cui il processore e il sistema di memoria sono separati l'uno dall'altro. Questa è una soluzione pratica quando vogliamo che la macchina funzioni in diversi programmi. Tuttavia, i processori, quando sono in esecuzione, stanno raggiungendo i dati dalla memoria e il trasferimento continua. Un'unità di calcolo in attesa di dati spesso rimane inattiva.

Il volume di dati dai database creati da esseri umani e macchine (che operano all'interno dell'Internet delle cose) è attualmente enorme. L'architettura di von Neumann diventa il collo di bottiglia in questi processi. Secondo il Dipartimento dell'Energia degli Stati Uniti, l'elaborazione dei dati del computer attualmente consuma dal 5 al 15% della produzione mondiale di energia, di cui gran parte per la trasmissione stessa. Può essere migliorato nel corso degli anni metodi quantistici e fotoniciche richiedono meno energia, più veloce ed efficiente. Tuttavia, il loro utilizzo rimane ancora una direzione promettente. Gli esperti prestano sempre più attenzione alle soluzioni offerte dal cervello umano.

Scheda madre NS16e con sedici processori IBM TrueNorth

Tentativi di creare studenti flessibili ed efficaci reti neurali intrapresa a partire dagli anni '50. L'apice dei risultati in questo settore è DeepMind di Google, che nel 2016 ha sconfitto il grande maestro del gioco "Go". Tuttavia, questo cervello sintetico è una simulazione software di una rete neurale e i calcoli fisici vengono ancora eseguiti nei sistemi di silicio. Quindi il collo di bottiglia di von Neumann non è superato qui.

Fisicamente, la rete neurale imita un processore neuromorfico IBM chiamato TrueNorthcostruito nel 2014. Il problema è che se dovesse usare la sua architettura per creare un equivalente completamente sintetico di un cervello, un computer del genere ne avrebbe bisogno 10. volte più energia di quella che funziona nella testa umana ... Inoltre, TrueNorth, sebbene possa riconoscere immagini semplici, non funziona come connessioni tra neuroni e sinapsi. Non è in grado di rafforzare alcune connessioni nel processo di apprendimento.

Intel ha lavorato sulla tecnologia dei processori neuromorfici per diversi anni per imitare il modo in cui funziona il cervello umano. Alla fine, si vantava del primo dispositivo di questo tipo. Sperimentale chipset chiamato Loihi nel 2018 si trasferirà in primarie università e istituti di ricerca dedicati allo sviluppo dell'intelligenza artificiale. La società scrive: "Intel ha inventato un chip neuromorfo ad autoapprendimento primo nel suo genere, nome in codice Loihi, che imita il modo in cui funziona il cervello umano agendo in base al principio degli stimoli di varia intensità ricevuti dall'ambiente". Il processore è composto da 130 mila. "neuroni" di silicio collegati da 130 milioni di "sinapsi". Secondo Intel, è mille volte più efficiente dal punto di vista energetico rispetto alle macchine di apprendimento convenzionali.

Evita il silicone

I chip TrueNorth o la soluzione Intel si attengono ancora al silicio, che ha i suoi vantaggi, ma in termini di efficienza energetica non corrisponde alla materia organica delle cellule nervose. Pertanto, gli scienziati stanno lavorando su modelli completamente diversi di computer neuromorfici che imiteranno la plasticità del cervello e consentiranno ai processori di imitare la funzione sinaptica, ad esempio utilizzando una transizione di fase in alcuni materiali che si sciolgono e si solidificano a determinate temperature, pur mantenendo la capacità immagazzinare e rilasciare grandi quantità di energia.

La scorsa estate, un gruppo di scienziati guidato da Evaangelos Eleftheriou dal laboratorio IBM di Zurigo ha riferito in Nature Nanotechnology che è stata in grado di costruire versione artificiale di un neurone. È costituito da uno strato di tellururo di germanio-antimonio tra gli elettrodi. Qui viene utilizzato il cambio di fase di questo materiale che, a seconda della tensione applicata, passa da un isolante a un semiconduttore e quindi a un conduttore. Secondo i ricercatori, questo imita le fluttuazioni nel comportamento dei neuroni. Ci sono altri progetti in cui i cambiamenti di fase nelle sinapsi artificiali sono influenzati da un'onda luminosa, il che significa un consumo di energia notevolmente inferiore. Quindi questa non è l'unica soluzione suggerita.

I ricercatori dell'Università di Southampton hanno dimostrato alla fine del 2016 che memristori e resistori sono in grado di ricordare i loro precedenti valori di resistenza e possono essere utilizzati per costruire reti neurali complesse e avanzate. Come parte dei loro esperimenti, hanno preparato una rete di memristori a base di ossido di metallo e li hanno usati come sinapsi artificiali.

Illustrazione delle connessioni tra neurone e dendrite

Di conseguenza, hanno avviato processo di apprendimento senza interferenze esterne – proprio come accade nel cervello umano. I memristori creati dagli scienziati non solo consumano meno energia rispetto alle soluzioni precedenti, ma ricordano anche il loro stato precedente. Si tratta di componenti elettronici che limitano o regolano il flusso di corrente elettrica in un circuito e sono in grado di ricordare la quantità di carica che li ha attraversati e di conservare i dati anche quando l'alimentazione viene interrotta. In sostanza, svolgono una funzione simile alle sinapsi e hanno la capacità intrinseca di eseguire attività computazionali e memorizzare informazioni allo stesso tempo con molto meno volume e perdita di potenza.

Si è sviluppato un gruppo di ricerca dell'Università di Southampton sensore integratore di memristore (Memristive Integrative Sensor - MIS) alla nanoscala, in cui ha introdotto una serie di pattern "voltaggio-tempo" che riproducono l'attività elettrica delle cellule nervose. È stato riferito che i sensori MIS basati su ossidi metallici, che funzionano come le sinapsi delle cellule cerebrali, sono in grado di codificare e comprimere (fino a 200 volte) l'attività delle cellule nervose registrate utilizzando array multielettrodo. I ricercatori hanno affermato che oltre alle limitazioni della larghezza di banda, il loro approccio è estremamente efficiente dal punto di vista energetico, poiché la potenza richiesta per ciascun canale di registrazione era XNUMX volte inferiore a quella attuale.

Tuttavia, il compito dei costruttori neuromorfici sembra essere molte volte più difficile alla luce delle nuove scoperte degli scienziati dell'Università della California a Los Angeles - si scopre che il cervello ha più di cento volte più potenza di elaborazione di quanto si pensasse in precedenza. Secondo questi risultati, i dendriti, un tempo ritenuti semplici canali di segnalazione passivi, si sono rivelati molto attivi elettricamente, generando dieci volte più impulsi rispetto al soma (corpo delle cellule nervose).

ha osservato Mayank Mehta, un neurofisico dell'UCLA che descrive lo studio della California sui media.

Invisibile, visibile grazie alle macchine

La simulazione del nostro cervello non è ancora molto buona per le macchine. In cambio, però, abbiamo ricevuto "da loro" - e ancora riceviamo - ciò che ci permette non solo, ad esempio, di volare in cielo o sollevare pesi, ma anche di vedere e sentire ciò che i nostri sensi non riescono a cogliere. Abbiamo per molto tempo dispositivi per la visione notturna, termocamere, rilevatori di raggi ultravioletti e sonar. Questi dispositivi ci danno accesso ad abilità precedentemente viste solo negli animali o negli insetti. Relativamente ai meccanismi del mondo naturale, rimangono prodotti del pensiero tecnico.

Un tipico esempio di tecnologia moderna che apre i nostri occhi su nuovi mondi sono le lenti con un rilevatore di grafene ultrasottile che opera nell'intera gamma dell'infrarosso. Sono stati creati presso l'American Michigan University a seguito di una ricerca del gruppo del prof. Zhaohui Zhong. Un altro gruppo di scienziati e ingegneri, guidato da Giuseppe Ford dell'Università della California a San Diego e Erica Tremblay dell'Istituto di Microingegneria di Losanna - a sua volta ha sviluppato lenti a contatto con un filtro polarizzatore, simili a quelli indossati nei cinema 3D, che consentono di vedere con un ingrandimento quasi tre volte superiore.

Naturalmente ci sono anche realtà aumentatache non solo consente ai medici di guardare all'interno del corpo umano senza intervento chirurgico, ma può anche aiutare, ad esempio, i vigili del fuoco a navigare e cercare rapidamente le persone in condizioni di incendio quando la visibilità diventa scarsa o addirittura nulla. C attraverso il casco ha una termocamera incorporata, l'immagine da cui viene trasmessa al vigile del fuoco in un casco direttamente sul display davanti ai suoi occhi. D'altro canto Sistema Stryker II, realizzato da BAE Systems per i piloti di aerei, integrato con un casco, dotato di sensori che impostano automaticamente gli occhiali del pilota in modalità notturna con visione notturna.

Puoi finalmente raggiungere telecamere che vedono l'invisibile. Anche le cose dietro l'angolo dell'edificio. L'invenzione che ha reso possibile tutto ciò è venuta dagli scienziati delle università di Bonn, in Germania, e della British Columbia, in Canada. Si basa sulla riproduzione di immagini al di fuori del campo visivo mediante luce diffusa. Questo metodo utilizza un raggio laser proiettato sulla parete, oscurando ciò che dovrebbe essere osservato attraverso l'obiettivo della telecamera. Il dispositivo raccoglie molti riflessi di luce diversi e li riassume, cercando di creare il risultato, ovvero contorno dell'immagine. Inizialmente, vedi solo il muro nel mirino della fotocamera. Tuttavia, dopo qualche tempo, quando sottili algoritmi matematici iniziano a funzionare, rivelando il cosiddetto eco dell'immagine (cioè una piccola quantità di luce riflessa da un oggetto, diffusa e poi caduta sulla superficie del muro), si iniziano a vedere delle figure nascosto dietro l'angolo. Nessun essere vivente può più fare queste cose!

Ci sono anche metodi per "Vedi" qualcosa nel buioe non hanno bisogno di più fotoni per pixel. Ad esempio, quello che si è sviluppato Ahmed Kirmaniego del Massachusetts Institute of Technology (MIT) e pubblicato sulla rivista Science. Il dispositivo, sviluppato da lui e dal suo team, Kirmani emette un impulso laser a bassa potenza nell'oscurità, che, se riflesso da un oggetto, scrive un singolo pixel sul rivelatore. Il principio in sé non è nuovo. Nuovo è un sofisticato algoritmo che richiede molti meno fotoni per creare un'immagine rispetto a prima. È stato calcolato che solo un centesimo di quanto richiesto per i rilevatori di luce attualmente utilizzati in condizioni difficili, come nella tecnologia LIDAR, è sufficiente.

Osservando un motore in funzione nella tecnica AR

Dal momento che ci sono opportunità basate sulla realtà aumentata per "vedere" l'interno del motore di un'auto in funzione con l'aiuto dei suoni provenienti da lì, potrebbe essere giunto il momento una telecamera che "legge" i suoni dall'immagine? Il prototipo di un tale dispositivo è stato sviluppato da MIT, Microsoft e Adobe. L'algoritmo corrispondente registrava i suoni del parlato provenienti da un sacchetto di patatine, dal quale il registratore era separato da un vetro insonorizzato. In altri esperimenti è stato possibile riprodurre il suono da un video muto. Questo metodo si basa sull'"inferenza" sui suoni analizzando il movimento e la vibrazione degli oggetti.

È difficile non notare che la spinta al biomimetismo e al neuromorfismo, così come ulteriori soluzioni che rafforzano i nostri sensi, mostrano chiaramente come le moderne tecnologie, nonostante tante paure, siano ancora incentrate sulle persone.