Τα βασικά σημεία του άρθρου
- Ερευνητές κατάφεραν να αναπτύξουν μια μικροσκοπική συσκευή που δεν μιμείται απλώς τον εγκέφαλο σε επίπεδο λογισμικού, αλλά αντιγράφει τη φυσική του δομή, ανοίγοντας τον δρόμο για μια νέα γενιά hardware που μπορεί να σκέφτεται, να προσαρμόζεται και να μαθαίνει αυτόνομα.
- Ένα μεμονωμένο ηλεκτρονικό εξάρτημα σε νανοκλίμακα μπορεί να εκτελέσει τρεις διαφορετικές εργασίες: να διακόπτει το ηλεκτρικό ρεύμα, να αποθηκεύει πληροφορίες μέσω της αντίστασης και να θυμάται την προηγούμενη ηλεκτρική δραστηριότητα μέσω μεταβολών στη χωρητικότητα.
- Οι φορετές (wearable) συσκευές που ενσωματώνουν αυτού του είδους τα προσαρμόσιμα ηλεκτρονικά θα μπορούσαν τελικά να αναλύουν φυσιολογικά σήματα απευθείας, χωρίς να απαιτείται ξεχωριστό υλικό υπολογιστή (hardware) για κάθε εργασία επεξεργασίας.
Φανταστείτε έναν υπολογιστή που δεν χρειάζεται να καταναλώνει τεράστιες ποσότητες ενέργειας για να εκτελέσει σύνθετες λειτουργίες, αλλά λειτουργεί με την αποδοτικότητα και την ευελιξία του πιο τέλειου «μηχανισμού» που γνωρίζουμε: του ανθρώπινου εγκεφάλου.
Μέχρι σήμερα, η τεχνητή νοημοσύνη βασίζεται σε παραδοσιακά συστήματα που απαιτούν συνεχή ανταλλαγή δεδομένων μεταξύ επεξεργαστή και μνήμης, μια διαδικασία που κοστίζει σε χρόνο και ρεύμα.
Τώρα, μια επαναστατική εξέλιξη στον τομέα των ηλεκτρονικών έρχεται να ανατρέψει τα δεδομένα, καταργώντας τους περιορισμούς των συμβατικών υπολογιστών.
Ερευνητές κατάφεραν να αναπτύξουν μια μικροσκοπική συσκευή που δεν μιμείται απλώς τον εγκέφαλο σε επίπεδο λογισμικού, αλλά αντιγράφει τη φυσική του δομή, ανοίγοντας τον δρόμο για μια νέα γενιά hardware που μπορεί να σκέφτεται, να προσαρμόζεται και να μαθαίνει αυτόνομα.
Μια σημαντική ανακάλυψη στα ηλεκτρονικά που εμπνέονται από τον εγκέφαλο θα μπορούσε να οδηγήσει σε συσκευές που επεξεργάζονται πληροφορίες και μαθαίνουν χωρίς να βασίζονται στις συμβατικές αρχιτεκτονικές υπολογιστών.
Ένα μεμονωμένο ηλεκτρονικό εξάρτημα σε νανοκλίμακα μπορεί να εκτελέσει τρεις διαφορετικές εργασίες: να διακόπτει το ηλεκτρικό ρεύμα, να αποθηκεύει πληροφορίες μέσω της αντίστασης και να θυμάται την προηγούμενη ηλεκτρική δραστηριότητα μέσω μεταβολών στη χωρητικότητα.
Ερευνητές στη Γερμανία επέδειξαν αυτή την ευελιξία χρησιμοποιώντας ασυνήθιστα υλικά οξειδίων, ανοίγοντας έναν πιθανό δρόμο προς ένα υλικό υπολογιστών (hardware) που επεξεργάζεται πληροφορίες και προσαρμόζεται περισσότερο σαν τον ανθρώπινο εγκέφαλο.
Τα σημερινά συστήματα τεχνητής νοημοσύνης μπορούν να καταναλώσουν τεράστιες ποσότητες ηλεκτρικής ενέργειας, ιδιαίτερα κατά την εκπαίδευση μεγάλων μοντέλων. Ένας λόγος για τον οποίο οι ερευνητές εξερευνούν εναλλακτικό υλικό είναι ότι οι συμβατικοί υπολογιστές συνήθως διαχωρίζουν τη μνήμη από την επεξεργασία, απαιτώντας τη μετακίνηση των πληροφοριών μεταξύ τους.
Ο εγκέφαλος λειτουργεί διαφορετικά. Οι νευρώνες του επικοινωνούν μέσω των συνάψεων, δηλαδή συνδέσεων που μπορούν να αλλάξουν ανταποκρινόμενες σε επαναλαμβανόμενα ή έντονα σήματα. Αυτή η ικανότητα προσαρμογής, γνωστή ως νευροπλαστικότητα, βοηθά τον εγκέφαλο να μαθαίνει από την εμπειρία.
Μια «ζωντανή» διεπιφάνεια υλικών που έχει την ικανότητα να μαθαίνει
Μια ερευνητική ομάδα στο Πανεπιστήμιο του Βίρτσμπουργκ, η οποία εργάζεται στο πλαίσιο του Cluster of Excellence ct.qmat (Βίρτσμπουργκ και Δρέσδη), ανέπτυξε ηλεκτρονικά εξαρτήματα που αναπαράγουν αρκετές σημαντικές συμπεριφορές των νευρώνων και των συνάψεων.
Η προσέγγισή τους χρησιμοποιεί σύνθετα οξείδια, δηλαδή υλικά των οποίων οι ηλεκτρικές ιδιότητες μπορούν να ρυθμιστούν ώστε να υποστηρίζουν διαφορετικές λειτουργίες μέσα στο ίδιο σύστημα. Οι συσκευές βασίζονται σε δύο υλικά: το αργιλικό λανθάνιο (LaAlO₃, ή εν συντομία LAO) και το τιτανικό στρόντιο (SrTiO₃, ή εν συντομία STO).
Μεμονωμένα και τα δύο υλικά είναι ηλεκτρικοί μονωτές, αλλά όταν έρχονται σε επαφή, σχηματίζουν ένα εξαιρετικά λεπτό αγώγιμο στρώμα στη διεπιφάνειά τους. Αυτό το στρώμα, το οποίο ονομάζεται οιονεί δισδιάστατο αέριο ηλεκτρονίων, επιτρέπει στα ηλεκτρόνια να κινούνται μέσα σε μια περιοχή που περιορίζεται αποκλειστικά στο όριο μεταξύ των δύο υλικών.
Σχεδιάζοντας προσεκτικά τη δομή της διεπιφάνειας, οι ερευνητές μπορούν να δημιουργήσουν μικροσκοπικά αγώγιμα μονοπάτια, τα οποία μερικές φορές περιγράφονται ως «αυτοκινητόδρομοι ηλεκτρονίων».
Το ηλεκτρικό ρεύμα μπορεί να εκτοπίσει άτομα οξυγόνου μέσα στη δομή, μεταβάλλοντας την αντίστασή της.
Αυτές οι αλλαγές επιτρέπουν στη συσκευή να «εκπαιδεύεται» μέσω ηλεκτρικού ερεθισμού, παρέχοντας έναν φυσικό μηχανισμό για την αποθήκευση πληροφοριών σχετικά με την προηγούμενη δραστηριότητα.
Ο ηλεκτρονικός «ελβετικός σουγιάς»: Μία συσκευή, τρεις διαφορετικοί ρόλοι
Χρησιμοποιώντας αυτή την πλατφόρμα υλικών, οι ερευνητές του Βίρτσμπουργκ δημιούργησαν εξαρτήματα που μπορούν να λειτουργήσουν ως τρανζίστορ, ως μεμρίστορ (memristor) ή ως μεμκαπάσιτορ (memcapacitor). Ένα τρανζίστορ ελέγχει τη ροή του ρεύματος, ενώ ένα μεμρίστορ αποθηκεύει πληροφορίες μέσω αλλαγών στην ηλεκτρική αντίσταση.
Ένα μεμκαπάσιτορ συμπεριφέρεται διαφορετικά: Η ικανότητά του να αποθηκεύει ηλεκτρικό φορτίο εξαρτάται από την προηγούμενη ηλεκτρική του κατάσταση. Οι ερευνητές απέδειξαν ότι ένα μεμονωμένο εξάρτημα σε νανοκλίμακα μπορεί να προσφέρει οποιαδήποτε από αυτές τις τρεις λειτουργίες, ανάλογα με τον τρόπο που συνδέεται ηλεκτρικά. Αυτή η ευελιξία θα μπορούσε να απλοποιήσει σημαντικά τον σχεδιασμό τεχνητών νευρωνικών δικτύων που ενσωματώνονται απευθείας στο ηλεκτρονικό υλικό.
«Αυτό που κάνει την πλατφόρμα μας τόσο συναρπαστική είναι ότι μπορούμε να υλοποιήσουμε πολύ διαφορετικές λειτουργίες χρησιμοποιώντας το ίδιο σύστημα υλικών. Αυτό μας φέρνει πιο κοντά σε ένα υλικό (hardware) που όχι μόνο εκτελεί υπολογισμούς, αλλά μπορεί επίσης να μαθαίνει απευθείας μέσα στο ίδιο το εξάρτημα και να αποθηκεύει προσωρινά πληροφορίες», δηλώνει ο Soumen Pradhan, μεταδιδακτορικός ερευνητής στην Έδρα Τεχνικής Φυσικής στο Βίρτσμπουργκ.
Προς μια πιο ενεργειακά αποδοτική υπολογιστική εμπνευσμένη από τον εγκέφαλο
«Η υπολογιστική εμπνευσμένη από τον εγκέφαλο» επιδιώκει να αναπαράγει ορισμένους από τους μηχανισμούς επεξεργασίας πληροφοριών και μάθησης του εγκεφάλου σε ηλεκτρονικά κυκλώματα. Αντί να μεταφέρουν συνεχώς δεδομένα μεταξύ ξεχωριστών μονάδων επεξεργασίας και μνήμης, τα συστήματα αυτά στοχεύουν στο να συνδυάσουν τον υπολογισμό, την αποθήκευση πληροφοριών και την προσαρμογή μέσα σε μεμονωμένα εξαρτήματα.
«Τα σύνθετα οξείδια αποτελούν ένα ιδιαίτερα συναρπαστικό πεδίο για εμάς, επειδή συνδυάζουν πολλές ηλεκτρονικές ιδιότητες σε μια ενιαία πλατφόρμα υλικών. Αυτό ακριβώς είναι που τα καθιστά τόσο ενδιαφέροντα για μια νέα γενιά ενεργειακά αποδοτικού και προσαρμόσιμου υλικού υπολογιστών (hardware)», δηλώνει ο Ralph Claessen, εκπρόσωπος του JMU Würzburg για το Cluster of Excellence ct.qmat (Βίρτσμπουργκ–Δρέσδη) και συνδιοργανωτής/συνυπογράφων της μελέτης.
Μελλοντικές εφαρμογές στη φορετή τεχνολογία υγείας
Μια πιθανή εφαρμογή αφορά την παρακολούθηση της υγείας. Οι φορετές (wearable) συσκευές που ενσωματώνουν αυτού του είδους τα προσαρμόσιμα ηλεκτρονικά θα μπορούσαν τελικά να αναλύουν φυσιολογικά σήματα απευθείας, χωρίς να απαιτείται ξεχωριστό υλικό υπολογιστή (hardware) για κάθε εργασία επεξεργασίας.
Τέτοιοι «αυτοδίδακτοι» αισθητήρες θα μπορούσαν ενδεχομένως να παρακολουθούν τον καρδιακό ρυθμό, την αρτηριακή πίεση, τη θερμοκρασία, τον κορεσμό του οξυγόνου στο αίμα ή τη γλυκόζη του αίματος, προσαρμόζοντας παράλληλα τις αποκρίσεις τους στα εισερχόμενα δεδομένα.
Η τοπική επεξεργασία των σημάτων θα μπορούσε επίσης να μειώσει την ενέργεια που απαιτείται για τη μεταφορά πληροφοριών σε εξωτερικά συστήματα. Προς το παρόν, αυτές οι πιθανότητες παραμένουν μακροπρόθεσμοι στόχοι.
Η έρευνα αποδεικνύει τις υποκείμενες ηλεκτρονικές λειτουργίες και όχι ένα πλήρες σύστημα τεχνητής νοημοσύνης ή έναν ιατρικό αισθητήρα. Θα απαιτηθεί περαιτέρω ανάπτυξη για να διαπιστωθεί εάν η τεχνολογία μπορεί να προσφέρει πρακτικές βελτιώσεις στην ενεργειακή κατανάλωση, την αξιοπιστία και την απόδοση.