A mesterséges intelligencia programozásának kezdetét az egyszerű programozási nyelveken (például IPL vagy LISP) megírt utasítások jelentették, melyek által logikus lépések sorozatával tudott egy bizonyos célt elérni, vagy bizonyos következtetéseket levonni a rendszer. A második szintet a mélytanuló hálózatok reprezentálják, ezek rengeteg adat bevitelével gyakorlatoznak, majd inferenciával, következtetések levonásával dolgoznak, általában nagy adathalmazok szortírozásánál vagy képelemzéses feladatokban.

Vannak azonban olyan problémák, melyeknek megoldása csak egy harmadik szintű rendszer bevezetésével válik lehetségessé: ez a legújabb programozási módszer a neuromorfikus számítás

A neuromorfikus számítással a kutatók az emberi agy működését modellezik, az ugyanis a benne található idegsejtek közti kapcsolatok által, a hagyományos számítógépes bináris adatátviteltől nagyon eltérően, az egyes neuronok tüzelésével és szinapszisok kiépítésével küldi az információkat. A spiking (tüskés) neurális hálózatok ezt az idegsejt mátrixot próbálják utánozni, az üzeneteket pedig, többek között, a szinapszisok erőssége és hossza határozza meg.

Ez nem csak filozófiai értelemben teszi izgalmassá a mesterséges intelligencia kutatásokat, elvégre a MI fejlesztése mindig is összekötötte a gondolkodó gép létrehozását az emberi gondolkodás misztikájának megfejtésével (bár a mesterséges intelligencia név kiötlője, John McCarthy később már szerette volna inkább számítási intelligenciának nevezni ezeket a rendszereket a félreértések elkerülése végett), hanem rengeteg energiát is megspórol nekünk: az agy ugyanis fényévekkel gazdaságosabb módon működik, mint a mesterséges számítási rendszerek. A neuromorfikus hálózatok előnye ezen kívül, hogy lehetővé teszik az emberekkel való közelebbi interakciót azzal, hogy könnyebben elboldogulnak kiszámíthatatlan, ellentmondásos, kétértelmű helyzetekben is, vagyis a valódi életben. Az, hogy a kutatók a neuromorfikus számítási feladatokat fejleszteni tudják, megfelelő chipek létrehozását igényli, ezekből pedig kevés van.

A leggyakrabban használt az Intel Labs Loihi lapkája, melyet 2017-ben mutattak be. Ez a chip direkt kutatási célokra készült, a cég 2018-ban ennek elősegítésére megalapította az Intel Neuromorfikus Kutatási Közösséget (INRC), melynek tagjai (immár több száz vállalat, egyetem és intézmény) hozzáférést kapnak az eszközhöz és a kutatási anyagokhoz. A Loihi 128 magos lapkáját a tüskés neurális hálózatok algoritmusaihoz optimalizálták, minden mag 1024 műneuront tartalmaz, így összesen 130 000 található rajta, melyek mindegyike képes több ezer másik "idegsejttel" interakcióba lépni, és ezzel 130 millió szinapszist kialakítani. Ezzel teljesítményben messze megelőzi a tradicionális processzorokat (CPU), sok-sok Loihi összekötésével pedig még inkább fokozható az eredményesség.

2019 júliusában mutatták be a 64 Loihi chipből/több Nahuku boardból álló Pohoiki Beach-et (az Intelnél mindig földrajzi neveket adnak meg kódnévnek, a neuromorfikus rendszerek területén a Hawaii szigetek régióinak további felbukkanására számíthatunk), majd 2020 márciusában jött a Pohoiki Springs 5U rack szervere, 768 Loihi processzorral, 100 millió neuronnal.

Ezekbe a chipekbe (legalábbis néhányba) fogják a jövőben integrálni a Los Alamos Nemzeti Laboratórium szakértői azt az algoritmust, mellyel a neurális hálózatok tanulás közben pihenhetnek kicsit, hogy ébredés után hatékonyabban tudják folytatni a munkájukat.

A labor kutatói éppen a spiking neurális hálózatokat vizsgálták, mikor azt vették észre, hogy az öntanuló rendszer huzamosabb ideig tartó felügyelet nélküli gyakorlás közben egyszer csak instabillá válik. A rendszer éppen a különböző objektumok osztályozását tanulta, melynek során minden előzetesen betáplált információ és fogódzkodó segítsége nélkül kell eldöntenie, hogy a szeme elé kerülő dolgok vajon egyazon csoportba tartoznak e. Ez az intenzív tanulási folyamat destabilizálta a hálózatot, ezt pedig a szakemberek korábban nem tapasztalták, mivel a gépi tanulási és a mélytanuló neurális rendszerek sokkal szabályosabb matematikai képletek alapján működnek. A kutatók megpróbálták fehér zaj alkalmazásával stabilizálni a folyamatot, de nem jártak sikerrel. A problémát az úgynevezett Gauss zaj oldotta meg, amely a fehér zajnak egy formája, mely a Gauss-féle valószínűségeloszlást követi a frekvenciák és amplitúdók széles skáláján mozogva.

"Olyan volt, mintha egy kiadós éjszakai alvás megfelelőjét adtuk volna a neurális hálózatoknak."

- mondta Yijing Watkins, a kutatás vezetője. A fehér zaj ebben az esetben az NREM fázisnak, vagyis a lassú hullámú mélyalvásnak felel meg, ami az embereknél létfontosságú eszköze a koncentráció fenntartásának.

Az NREM fázis nélkül, ha túl keveset, vagy gyakori megszakításokkal alszunk, a memória rosszabbul működik, az emlékek nem tudnak megfelelően rögzülni, az immunrendszer silányabbul teljesít, hangulatingadozás léphet fel, és a szervezet előbb-utóbb kénytelen lesz bepótolni, amit kihagyott. Rengeteg baleset történik a kormánynál hirtelen elszunnyadó sofőrök miatt, de köztudott tény, hogy a katonaságnál alkalmazott alvásmegvonásos gyakorlatok sem növelik a teljesítőképességet, sőt, a világ több nagy katasztrófáját is (Exxon Valdez, Challenger) a kialvatlan személyzet lassú reakcióidejének vagy figyelmetlenségének számlájára írják, amely, a műszaki problémákkal kombinálva végzetesnek bizonyult. Egy 1988-as amerikai tanulmány, melyet a Hivatásos Alvás Egyesületek Szövetsége készítetett el, négy olyan atomreaktor balesetet sorol fel, mely az éjszakai műszak alatt következett be, köztük a Three Miles Island-i és a csernobili katasztrófát is. Ha az irányítást a jövőben át akarjuk engedni a mesterséges intelligencia rendszereknek, jobb, ha az emberi fáradtsággal analóg destabilizáció ellen van hatásos módszer. A kutatók úgy tervezik, az algoritmust beépítik egy vagy több Loihi chipbe, mely egy szilícium retinakamera képeit dolgozza fel, hogy megbizonyosodjanak róla, tényleg működik a kifejlesztett technika.

És, bár az emberek álmodni a REM fázisban szoktak, így nem biztos, hogy számíthatunk elektromos bárányos álmokra, de, ahogy a Los Alamos labor hivatalos sajtóközleményében írták, a robotoknak lehet, hogy aludniuk kell majd:

"Ha a felfedezések megerősítik, hogy a mesterséges agyaknak is szüksége van alvásra, akkor valószínűleg számíthatunk rá, hogy ugyanez igaz lesz az androidokra és más intelligens gépekre, melyek a jövőben érkeznek."

A Loihi chipet pedig, noha nem ez a legerősebb a neuromorfikus processzorok között (a dobogó tetején az IBM 4096 magos TrueNorth-a áll) sok más újításra is fogják még használni, a Cornell Egyetem kutatói például tavaly szagolni tanították, az Accenture vállalat hang- és gesztusvezérelt MI modelleket tesztel rajta, melyeket autónavigációs rendszerekbe építenek majd be, és hála a neuromorfikus működésnek, előreláthatólag sokkal kevésbé fogja fogyasztani az aksit, a Rutgers és a TU Delft pedig drónok kezelésére használja, a hagyományos GPU-kal összehasonlítva 75%-os energiamegtakarítással.

(Fotó: Intel, Pixabay)

További cikkek a témában:

Az IBM pici, 4 bites számítógépekben látja a mesterséges intelligencia jövőjét Hagyjuk meg a 64 bitet az embereknek, fejlesszünk egymillió qubites kvantumszámítógépeket a következő generációnak, a mesterséges intelligencia pedig érje be 4 bittel.
A Zoom applikáció miatt vagyunk egyre kimerültebbek? A világháló mostanra életünk nem csupán egyik, de legmeghatározóbb színtere lett, hiszen napközben online értekezünk munkatársainkkal, este pedig jöhet a család vagy a barátok. De miért érezzük egyre kimerültebbnek magunkat, ha egyszer ki sem kell lépünk a házból? És mi köze ennek a Zoom-hoz?
Igencsak furcsa teória kezdett el terjedni a koronavírus-vakcináról A koronavírus terjedése óta már nem először boronálják össze a járványt az 5G-technológiával, ám a legújabb elméletet nem orvosok cáfolták meg, hanem zenészek.