തലച്ചോറിൽ നിന്ന് പ്രചോദനം ഉൾക്കൊണ്ട ചിപ്പുകൾ നിർമ്മിക്കുന്ന വിപ്ലവകരമായ സാങ്കേതികവിദ്യയായ ന്യൂറോമോർഫിക് കമ്പ്യൂട്ടിംഗിനെക്കുറിച്ച് അറിയുക. ഇത് എങ്ങനെ വളരെ കാര്യക്ഷമവും ശക്തവുമായ AI-ക്കായി ന്യൂറൽ നെറ്റ്‌വർക്കുകളെ അനുകരിക്കുന്നു എന്ന് കണ്ടെത്തുക.
ന്യൂറോമോർഫിക് കമ്പ്യൂട്ടിംഗ്: തലച്ചോറിൽ നിന്ന് പ്രചോദനം ഉൾക്കൊണ്ട ചിപ്പുകൾ എങ്ങനെ AI-യെയും അതിനപ്പുറവും മാറ്റിമറിക്കുന്നു
പതിറ്റാണ്ടുകളായി, ഡിജിറ്റൽ പുരോഗതിയുടെ എഞ്ചിൻ പരമ്പരാഗത കമ്പ്യൂട്ടറാണ്, യുക്തിയുടെയും വേഗതയുടെയും ഒരു അത്ഭുതം. എന്നിട്ടും, അതിന്റെ എല്ലാ ശക്തിക്കും, നമ്മുടെ തലയോട്ടിക്കുള്ളിലെ മൂന്ന് പൗണ്ട് പ്രപഞ്ചവുമായി താരതമ്യപ്പെടുത്തുമ്പോൾ അത് ഒന്നുമല്ല. മനുഷ്യ മസ്തിഷ്കം ഒരു സാധാരണ ലൈറ്റ് ബൾബിനേക്കാൾ കുറഞ്ഞ ഊർജ്ജം ഉപയോഗിച്ച് തിരിച്ചറിയൽ, പഠനം, പൊരുത്തപ്പെടുത്തൽ തുടങ്ങിയ കാര്യങ്ങൾ നിർവഹിക്കുന്നു. ഈ അമ്പരപ്പിക്കുന്ന കാര്യക്ഷമതയുടെ വിടവ് കമ്പ്യൂട്ടേഷനിൽ ഒരു പുതിയ അതിർത്തിക്ക് പ്രചോദനം നൽകി: ന്യൂറോമോർഫിക് കമ്പ്യൂട്ടിംഗ്. ഇത് പരമ്പരാഗത കമ്പ്യൂട്ടർ ആർക്കിടെക്ചറിൽ നിന്നുള്ള ഒരു സമൂലമായ വ്യതിയാനമാണ്, AI സോഫ്റ്റ്‌വെയർ പ്രവർത്തിപ്പിക്കാൻ മാത്രമല്ല, അടിസ്ഥാനപരമായി തലച്ചോറ് പോലെ ചിന്തിക്കുകയും വിവരങ്ങൾ പ്രോസസ്സ് ചെയ്യുകയും ചെയ്യുന്ന ഹാർഡ്‌വെയർ നിർമ്മിക്കാൻ ലക്ഷ്യമിടുന്നു.
ഈ ബ്ലോഗ് പോസ്റ്റ് ഈ ആവേശകരമായ മേഖലയിലേക്കുള്ള നിങ്ങളുടെ സമഗ്രമായ വഴികാട്ടിയായി വർത്തിക്കും. തലച്ചോറിൽ നിന്ന് പ്രചോദനം ഉൾക്കൊണ്ട ചിപ്പുകൾ എന്ന ആശയം ഞങ്ങൾ വിശദീകരിക്കും, അവയെ ഇത്ര ശക്തമാക്കുന്ന പ്രധാന തത്വങ്ങൾ പര്യവേക്ഷണം ചെയ്യും, ലോകമെമ്പാടുമുള്ള മുൻനിര പ്രോജക്റ്റുകൾ സർവേ ചെയ്യും, സാങ്കേതികവിദ്യയുമായുള്ള നമ്മുടെ ബന്ധത്തെ പുനർനിർവചിക്കാൻ കഴിയുന്ന ആപ്ലിക്കേഷനുകളിലേക്ക് നോക്കും.
എന്താണ് ന്യൂറോമോർഫിക് കമ്പ്യൂട്ടിംഗ്? ആർക്കിടെക്ചറിലെ ഒരു മാതൃകാപരമായ മാറ്റം
അതിന്റെ ഹൃദയഭാഗത്ത്, ന്യൂറോമോർഫിക് കമ്പ്യൂട്ടിംഗ് എന്നത് കമ്പ്യൂട്ടർ എഞ്ചിനീയറിംഗിലെ ഒരു സമീപനമാണ്, അവിടെ ഒരു ചിപ്പിന്റെ ഭൗതിക വാസ്തുവിദ്യ ബയോളജിക്കൽ തലച്ചോറിന്റെ ഘടനയെ അടിസ്ഥാനമാക്കി രൂപകൽപ്പന ചെയ്യുന്നു. ഇന്നത്തെ AI-യിൽ നിന്ന് ഇത് തികച്ചും വ്യത്യസ്തമാണ്, അത് പരമ്പരാഗത ഹാർഡ്‌വെയറിൽ പ്രവർത്തിക്കുന്നു. ഇതിനെക്കുറിച്ച് ഇങ്ങനെ ചിന്തിക്കുക: നിങ്ങളുടെ ലാപ്ടോപ്പിൽ പ്രവർത്തിക്കുന്ന ഒരു ഫ്ലൈറ്റ് സിമുലേറ്ററിന് പറക്കുന്ന അനുഭവം അനുകരിക്കാൻ കഴിയും, പക്ഷേ അത് ഒരിക്കലും ഒരു യഥാർത്ഥ വിമാനമാകില്ല. അതുപോലെ, ഇന്നത്തെ ഡീപ് ലേണിംഗ് മോഡലുകൾ സോഫ്റ്റ്‌വെയറിലെ ന്യൂറൽ നെറ്റ്‌വർക്കുകളെ അനുകരിക്കുന്നു, പക്ഷേ അവ അതിനായി രൂപകൽപ്പന ചെയ്യാത്ത ഹാർഡ്‌വെയറിലാണ് പ്രവർത്തിക്കുന്നത്. ന്യൂറോമോർഫിക് കമ്പ്യൂട്ടിംഗ് വിമാനം നിർമ്മിക്കുന്നതിനെക്കുറിച്ചാണ്.
വോൺ ന്യൂമാൻ ബോട്ടിൽനെക്കിനെ മറികടക്കുന്നു
എന്തുകൊണ്ടാണ് ഈ മാറ്റം ആവശ്യമെന്ന് മനസ്സിലാക്കാൻ, 1940-കൾ മുതൽ നിർമ്മിച്ച മിക്കവാറും എല്ലാ കമ്പ്യൂട്ടറുകളുടെയും അടിസ്ഥാന പരിമിതി നാം ആദ്യം നോക്കണം: വോൺ ന്യൂമാൻ ആർക്കിടെക്ചർ. ഈ ഡിസൈൻ സെൻട്രൽ പ്രോസസ്സിംഗ് യൂണിറ്റിനെയും (CPU) മെമ്മറി യൂണിറ്റിനെയും (RAM) വേർതിരിക്കുന്നു. ഡാറ്റ നിരന്തരം ഈ രണ്ട് ഘടകങ്ങൾക്കിടയിൽ ഒരു ഡാറ്റാ ബസിലൂടെ അങ്ങോട്ടും ഇങ്ങോട്ടും സഞ്ചരിക്കണം.
വോൺ ന്യൂമാൻ ബോട്ടിൽനെക്ക് എന്നറിയപ്പെടുന്ന ഈ നിരന്തരമായ ട്രാഫിക് ജാം രണ്ട് പ്രധാന പ്രശ്നങ്ങൾ സൃഷ്ടിക്കുന്നു:
- ലേറ്റൻസി: ഡാറ്റ വീണ്ടെടുക്കാൻ എടുക്കുന്ന സമയം പ്രോസസ്സിംഗ് വേഗത കുറയ്ക്കുന്നു.
- ഊർജ്ജ ഉപഭോഗം: ഡാറ്റ നീക്കുന്നത് വളരെയധികം ഊർജ്ജം ഉപയോഗിക്കുന്നു. വാസ്തവത്തിൽ, ആധുനിക ചിപ്പുകളിൽ, യഥാർത്ഥ കമ്പ്യൂട്ടേഷനേക്കാൾ വളരെ കൂടുതൽ ഊർജ്ജം ആവശ്യമുള്ള ഒന്നാണ് ഡാറ്റാ ചലനം.
നേരെമറിച്ച്, മനുഷ്യ മസ്തിഷ്കത്തിന് അത്തരം തടസ്സങ്ങളൊന്നുമില്ല. അതിന്റെ പ്രോസസ്സിംഗും (ന്യൂറോണുകൾ) മെമ്മറിയും (സിനാപ്‌സുകൾ) ആന്തരികമായി ബന്ധിപ്പിക്കുകയും വ്യാപകമായി വിതരണം ചെയ്യുകയും ചെയ്തിരിക്കുന്നു. വിവരങ്ങൾ ഒരേ സ്ഥലത്ത് പ്രോസസ്സ് ചെയ്യുകയും സംഭരിക്കുകയും ചെയ്യുന്നു. ന്യൂറോമോർഫിക് എഞ്ചിനീയറിംഗ് ഈ മനോഹരവും കാര്യക്ഷമവുമായ ഡിസൈൻ സിലിക്കണിൽ പുനർനിർമ്മിക്കാൻ ശ്രമിക്കുന്നു.
നിർമ്മാണ ഘടകങ്ങൾ: സിലിക്കണിലെ ന്യൂറോണുകളും സിനാപ്‌സുകളും
തലച്ചോറ് പോലെയുള്ള ഒരു ചിപ്പ് നിർമ്മിക്കാൻ, എഞ്ചിനീയർമാർ അതിന്റെ പ്രധാന ഘടകങ്ങളിൽ നിന്നും ആശയവിനിമയ രീതികളിൽ നിന്നും നേരിട്ട് പ്രചോദനം ഉൾക്കൊള്ളുന്നു.
ബയോളജിക്കൽ പ്രചോദനം: ന്യൂറോണുകൾ, സിനാപ്‌സുകൾ, സ്പൈക്കുകൾ
- ന്യൂറോണുകൾ: ഇവ തലച്ചോറിന്റെ അടിസ്ഥാന പ്രോസസ്സിംഗ് സെല്ലുകളാണ്. ഒരു ന്യൂറോൺ മറ്റ് ന്യൂറോണുകളിൽ നിന്ന് സിഗ്നലുകൾ സ്വീകരിക്കുകയും അവയെ സംയോജിപ്പിക്കുകയും ഒരു നിശ്ചിത പരിധിയിലെത്തിയാൽ അത് "ഫയർ ചെയ്യുന്നു", സ്വന്തം സിഗ്നൽ മുന്നോട്ട് അയയ്ക്കുകയും ചെയ്യുന്നു.
- സിനാപ്‌സുകൾ: ഇവ ന്യൂറോണുകൾക്കിടയിലുള്ള കണക്ഷനുകളാണ്. പ്രധാനമായും, സിനാപ്‌സുകൾ വെറും വയറുകളല്ല; അവയ്ക്ക് ഒരു ശക്തി അഥവാ "വെയ്റ്റ്" ഉണ്ട്, അത് കാലക്രമേണ പരിഷ്കരിക്കാനാകും. സിനാപ്റ്റിക് പ്ലാസ്റ്റിസിറ്റി എന്നറിയപ്പെടുന്ന ഈ പ്രക്രിയയാണ് പഠനത്തിനും ഓർമ്മയ്ക്കും അടിസ്ഥാനമായ ജൈവിക കാരണം. ശക്തമായ ഒരു ബന്ധം അർത്ഥമാക്കുന്നത് ഒരു ന്യൂറോണിന് അടുത്തതിൽ കൂടുതൽ സ്വാധീനമുണ്ടെന്നാണ്.
- സ്പൈക്കുകൾ: ന്യൂറോണുകൾ ആക്ഷൻ പൊട്ടൻഷ്യലുകൾ അഥവാ "സ്പൈക്കുകൾ" എന്ന് വിളിക്കപ്പെടുന്ന ഹ്രസ്വ വൈദ്യുത പൾസുകൾ ഉപയോഗിച്ച് ആശയവിനിമയം നടത്തുന്നു. വിവരങ്ങൾ റോ വോൾട്ടേജ് നിലയിലല്ല, മറിച്ച് ഈ സ്പൈക്കുകളുടെ സമയത്തിലും ആവൃത്തിയിലുമാണ് കോഡ് ചെയ്തിരിക്കുന്നത്. ഇത് ഡാറ്റ കൈമാറുന്നതിനുള്ള കാര്യക്ഷമമായ ഒരു മാർഗ്ഗമാണ് - ഒരു ന്യൂറോൺ പ്രധാനപ്പെട്ട എന്തെങ്കിലും പറയാനുള്ളപ്പോൾ മാത്രമേ സിഗ്നൽ അയയ്ക്കുകയുള്ളൂ.
ബയോളജിയിൽ നിന്ന് ഹാർഡ്‌വെയറിലേക്ക്: SNN-കളും കൃത്രിമ ഘടകങ്ങളും
ന്യൂറോമോർഫിക് ചിപ്പുകൾ ഈ ബയോളജിക്കൽ ആശയങ്ങളെ ഇലക്ട്രോണിക് സർക്യൂട്ടുകളായി മാറ്റുന്നു:
- കൃത്രിമ ന്യൂറോണുകൾ: ഇവ ബയോളജിക്കൽ ന്യൂറോണുകളുടെ സ്വഭാവത്തെ അനുകരിക്കാൻ രൂപകൽപ്പന ചെയ്ത ചെറിയ സർക്യൂട്ടുകളാണ്, പലപ്പോഴും "ഇന്റഗ്രേറ്റ്-ആൻഡ്-ഫയർ" മോഡൽ ഉപയോഗിക്കുന്നു. അവ ഇൻകമിംഗ് ഇലക്ട്രിക്കൽ സിഗ്നലുകൾ (ചാർജ്) ശേഖരിക്കുകയും അവയുടെ ആന്തരിക വോൾട്ടേജ് ഒരു നിശ്ചിത പരിധിയിൽ എത്തുമ്പോൾ ഒരു ഡിജിറ്റൽ പൾസ് (ഒരു സ്പൈക്ക്) ഫയർ ചെയ്യുകയും ചെയ്യുന്നു.
- കൃത്രിമ സിനാപ്‌സുകൾ: ഇവ കൃത്രിമ ന്യൂറോണുകളെ ബന്ധിപ്പിക്കുന്ന മെമ്മറി ഘടകങ്ങളാണ്. സിനാപ്റ്റിക് വെയ്റ്റ് സംഭരിക്കുക എന്നതാണ് അവയുടെ പ്രവർത്തനം. നൂതന ഡിസൈനുകൾ മെംറിസ്റ്ററുകൾ പോലുള്ള ഘടകങ്ങൾ ഉപയോഗിക്കുന്നു - മെമ്മറിയുള്ള റെസിസ്റ്ററുകൾ - ഇവയുടെ വൈദ്യുത പ്രതിരോധം ഒരു കണക്ഷന്റെ ശക്തിയെ പ്രതിനിധീകരിക്കാൻ മാറ്റാൻ കഴിയും, ഇത് ഓൺ-ചിപ്പ് പഠനം സാധ്യമാക്കുന്നു.
- സ്പൈക്കിംഗ് ന്യൂറൽ നെറ്റ്‌വർക്കുകൾ (SNNs): ഈ ഹാർഡ്‌വെയറിൽ പ്രവർത്തിക്കുന്ന കമ്പ്യൂട്ടേഷണൽ മോഡലിനെ സ്പൈക്കിംഗ് ന്യൂറൽ നെറ്റ്‌വർക്ക് എന്ന് വിളിക്കുന്നു. മുഖ്യധാരാ ഡീപ് ലേണിംഗിൽ ഉപയോഗിക്കുന്ന ആർട്ടിഫിഷ്യൽ ന്യൂറൽ നെറ്റ്‌വർക്കുകളിൽ (ANNs) നിന്ന് വ്യത്യസ്തമായി, SNN-കൾ ഡൈനാമിക്, ഇവന്റ്-ഡ്രിവൺ ആണ്. അവ വിവരങ്ങൾ വരുമ്പോൾ തന്നെ, ഓരോ സ്പൈക്ക് ആയി പ്രോസസ്സ് ചെയ്യുന്നു, ഇത് സെൻസറുകളിൽ നിന്നുള്ള യഥാർത്ഥ ലോകത്തിലെ, സമയബന്ധിതമായ ഡാറ്റ പ്രോസസ്സ് ചെയ്യുന്നതിന് അവയെ സ്വാഭാവികമായും മികച്ചതാക്കുന്നു.
ന്യൂറോമോർഫിക് ആർക്കിടെക്ചറിന്റെ പ്രധാന തത്വങ്ങൾ
ബയോളജിക്കൽ ആശയങ്ങളെ സിലിക്കണിലേക്ക് മാറ്റുന്നത് ന്യൂറോമോർഫിക് ചിപ്പുകളെ പരമ്പരാഗത ചിപ്പുകളിൽ നിന്ന് വേറിട്ടു നിർത്തുന്ന നിരവധി നിർവചിക്കുന്ന തത്വങ്ങൾക്ക് കാരണമാകുന്നു.
1. വലിയ തോതിലുള്ള സമാന്തരതയും വിതരണവും
തലച്ചോറ് ഏകദേശം 86 ബില്യൺ ന്യൂറോണുകൾ സമാന്തരമായി പ്രവർത്തിക്കുന്നു. ന്യൂറോമോർഫിക് ചിപ്പുകൾ ഒരേസമയം പ്രവർത്തിക്കുന്ന ലളിതവും കുറഞ്ഞ ഊർജ്ജം ഉപയോഗിക്കുന്നതുമായ ധാരാളം പ്രോസസ്സിംഗ് കോറുകൾ (കൃത്രിമ ന്യൂറോണുകൾ) ഉപയോഗിച്ച് ഇത് ആവർത്തിക്കുന്നു. ഒന്നോ അതിലധികമോ ശക്തമായ കോറുകൾ തുടർച്ചയായി എല്ലാം ചെയ്യുന്നതിനുപകരം, ജോലികൾ ആയിരക്കണക്കിന് അല്ലെങ്കിൽ ദശലക്ഷക്കണക്കിന് ലളിതമായ പ്രോസസ്സറുകളിലായി വിതരണം ചെയ്യപ്പെടുന്നു.
2. ഇവന്റ്-ഡ്രിവൺ അസിൻക്രണസ് പ്രോസസ്സിംഗ്
പരമ്പരാഗത കമ്പ്യൂട്ടറുകളെ നിയന്ത്രിക്കുന്നത് ഒരു ഗ്ലോബൽ ക്ലോക്കാണ്. ഓരോ ടിക്കിലും, പ്രോസസറിന്റെ എല്ലാ ഭാഗങ്ങളും ഒരു പ്രവർത്തനം നടത്തുന്നു, അത് ആവശ്യമുള്ളതാണെങ്കിലും അല്ലെങ്കിലും. ഇത് അവിശ്വസനീയമാംവിധം പാഴാണ്. ന്യൂറോമോർഫിക് സിസ്റ്റങ്ങൾ അസിൻക്രണസ്, ഇവന്റ്-ഡ്രിവൺ എന്നിവയാണ്. ഒരു സ്പൈക്ക് വരുമ്പോൾ മാത്രമേ സർക്യൂട്ടുകൾ സജീവമാകൂ. ഈ "ആവശ്യമുള്ളപ്പോൾ മാത്രം കമ്പ്യൂട്ട് ചെയ്യുക" എന്ന സമീപനമാണ് അവയുടെ അസാധാരണമായ ഊർജ്ജ കാര്യക്ഷമതയുടെ പ്രാഥമിക ഉറവിടം. ചലനം കണ്ടെത്തുമ്പോൾ മാത്രം റെക്കോർഡ് ചെയ്യുന്ന ഒരു സുരക്ഷാ സംവിധാനവും, 24/7 തുടർച്ചയായി റെക്കോർഡ് ചെയ്യുന്ന ഒന്നും തമ്മിലുള്ള ഒരു സാമ്യമാണിത്. ആദ്യത്തേത് വളരെയധികം ഊർജ്ജവും സംഭരണവും ലാഭിക്കുന്നു.
3. മെമ്മറിയുടെയും പ്രോസസ്സിംഗിന്റെയും സഹവർത്തിത്വം
ചർച്ച ചെയ്തതുപോലെ, ന്യൂറോമോർഫിക് ചിപ്പുകൾ മെമ്മറിയും (സിനാപ്‌സുകൾ) പ്രോസസ്സിംഗും (ന്യൂറോണുകൾ) സംയോജിപ്പിച്ച് വോൺ ന്യൂമാൻ ബോട്ടിൽനെക്കിനെ നേരിട്ട് കൈകാര്യം ചെയ്യുന്നു. ഈ ആർക്കിടെക്ചറുകളിൽ, പ്രോസസ്സറിന് വിദൂര മെമ്മറി ബാങ്കിൽ നിന്ന് ഡാറ്റ ലഭ്യമാക്കേണ്ടതില്ല. മെമ്മറി അവിടെത്തന്നെയുണ്ട്, പ്രോസസ്സിംഗ് ഫാബ്രിക്കിനുള്ളിൽ ഉൾച്ചേർത്തിരിക്കുന്നു. ഇത് ലേറ്റൻസിയും ഊർജ്ജ ഉപഭോഗവും ഗണ്യമായി കുറയ്ക്കുന്നു, ഇത് തത്സമയ ആപ്ലിക്കേഷനുകൾക്ക് അനുയോജ്യമാക്കുന്നു.
4. അന്തർലീനമായ തെറ്റ് സഹിഷ്ണുതയും പ്ലാസ്റ്റിസിറ്റിയും
തലച്ചോറ് ശ്രദ്ധേയമായ പ്രതിരോധശേഷിയുള്ളതാണ്. കുറച്ച് ന്യൂറോണുകൾ നശിച്ചാൽ, മുഴുവൻ സിസ്റ്റവും തകരാറിലാകുന്നില്ല. ന്യൂറോമോർഫിക് ചിപ്പുകളുടെ വിതരണം ചെയ്യപ്പെട്ടതും സമാന്തരവുമായ സ്വഭാവം സമാനമായ കരുത്ത് നൽകുന്നു. കുറച്ച് കൃത്രിമ ന്യൂറോണുകളുടെ പരാജയം പ്രകടനത്തെ ചെറുതായി തരംതാഴ്ത്തിയേക്കാം, പക്ഷേ വലിയ പരാജയത്തിന് കാരണമാകില്ല. കൂടാതെ, നൂതന ന്യൂറോമോർഫിക് സിസ്റ്റങ്ങൾ ഓൺ-ചിപ്പ് പഠനം ഉൾക്കൊള്ളുന്നു, ഇത് ഒരു ബയോളജിക്കൽ തലച്ചോറ് അനുഭവത്തിൽ നിന്ന് പഠിക്കുന്നതുപോലെ, പുതിയ ഡാറ്റയോട് പ്രതികരിക്കുന്നതിന് നെറ്റ്‌വർക്കിനെ അതിന്റെ സിനാപ്റ്റിക് വെയ്റ്റുകൾ ക്രമീകരിക്കാൻ അനുവദിക്കുന്നു.
ആഗോള മത്സരം: പ്രധാന ന്യൂറോമോർഫിക് പ്രോജക്റ്റുകളും പ്ലാറ്റ്‌ഫോമുകളും
ന്യൂറോമോർഫിക് കമ്പ്യൂട്ടിംഗിന്റെ വാഗ്ദാനം ഒരു ആഗോള നവീകരണ മത്സരത്തിന് കാരണമായി, പ്രമുഖ ഗവേഷണ സ്ഥാപനങ്ങളും സാങ്കേതിക ഭീമന്മാരും അവരുടേതായ തലച്ചോറിൽ നിന്ന് പ്രചോദനം ഉൾക്കൊണ്ട പ്ലാറ്റ്‌ഫോമുകൾ വികസിപ്പിക്കുന്നു. ഏറ്റവും പ്രധാനപ്പെട്ട ചില ഉദാഹരണങ്ങൾ ഇതാ:
ഇന്റലിന്റെ ലോഹി, ലോഹി 2 (യുണൈറ്റഡ് സ്റ്റേറ്റ്സ്)
ഇന്റൽ ലാബ്സ് ഈ രംഗത്തെ ഒരു പ്രധാന ശക്തിയാണ്. അതിന്റെ ആദ്യത്തെ ഗവേഷണ ചിപ്പായ ലോഹി, 2017-ൽ അവതരിപ്പിച്ചു. ഇതിൽ 128 കോറുകൾ, 131,000 ന്യൂറോണുകൾ, 130 ദശലക്ഷം സിനാപ്‌സുകൾ എന്നിവ അനുകരിക്കുന്നു. അതിന്റെ പിൻഗാമിയായ ലോഹി 2 ഒരു സുപ്രധാന കുതിച്ചുചാട്ടത്തെ പ്രതിനിധീകരിക്കുന്നു. ഇത് ഒരൊറ്റ ചിപ്പിൽ ഒരു ദശലക്ഷം ന്യൂറോണുകൾ വരെ ഉൾക്കൊള്ളുന്നു, വേഗതയേറിയ പ്രകടനം വാഗ്ദാനം ചെയ്യുന്നു, കൂടാതെ കൂടുതൽ വഴക്കമുള്ളതും പ്രോഗ്രാമബിൾ ആയതുമായ ന്യൂറോൺ മോഡലുകൾ ഉൾക്കൊള്ളുന്നു. ലോഹി കുടുംബത്തിന്റെ ഒരു പ്രധാന സവിശേഷത ഓൺ-ചിപ്പ് പഠനത്തിനുള്ള പിന്തുണയാണ്, ഇത് ഒരു സെർവറിലേക്ക് കണക്റ്റുചെയ്യാതെ തന്നെ തത്സമയം പൊരുത്തപ്പെടാൻ SNN-കളെ അനുവദിക്കുന്നു. ഇന്റൽ ന്യൂറോമോർഫിക് റിസർച്ച് കമ്മ്യൂണിറ്റി (INRC) വഴി അക്കാദമിയയിലും വ്യവസായത്തിലും സഹകരണം വളർത്തുന്നതിനായി ഇന്റൽ ഈ ചിപ്പുകൾ ആഗോള ഗവേഷക സമൂഹത്തിന് ലഭ്യമാക്കിയിട്ടുണ്ട്.
സ്പിനാക്കർ പ്രോജക്റ്റ് (യുണൈറ്റഡ് കിംഗ്ഡം)
മാഞ്ചസ്റ്റർ സർവകലാശാലയിൽ വികസിപ്പിക്കുകയും യൂറോപ്യൻ ഹ്യൂമൻ ബ്രെയിൻ പ്രോജക്റ്റ് ഫണ്ട് ചെയ്യുകയും ചെയ്ത സ്പിനാക്കർ (സ്പൈക്കിംഗ് ന്യൂറൽ നെറ്റ്‌വർക്ക് ആർക്കിടെക്ചർ) ഒരു വ്യത്യസ്ത സമീപനം സ്വീകരിക്കുന്നു. ഏറ്റവും ബയോളജിക്കലായി യാഥാർത്ഥ്യബോധമുള്ള ന്യൂറോൺ നിർമ്മിക്കുക എന്നതല്ല ഇതിന്റെ ലക്ഷ്യം, മറിച്ച് വലിയ SNN-കളെ തത്സമയം അനുകരിക്കാൻ കഴിവുള്ള ഒരു വലിയ സമാന്തര സംവിധാനം സൃഷ്ടിക്കുക എന്നതാണ്. ഏറ്റവും വലിയ സ്പിനാക്കർ മെഷീനിൽ ഒരു ദശലക്ഷത്തിലധികം ARM പ്രോസസ്സർ കോറുകൾ അടങ്ങിയിരിക്കുന്നു, ഇവയെല്ലാം തലച്ചോറിന്റെ കണക്റ്റിവിറ്റിയെ അനുകരിക്കുന്ന രീതിയിൽ പരസ്പരം ബന്ധിപ്പിച്ചിരിക്കുന്നു. വലിയ തോതിൽ തലച്ചോറിന്റെ പ്രവർത്തനം മാതൃകയാക്കാനും മനസ്സിലാക്കാനും ആഗ്രഹിക്കുന്ന ന്യൂറോ ശാസ്ത്രജ്ഞർക്ക് ഇത് ഒരു ശക്തമായ ഉപകരണമാണ്.
ഐബിഎമ്മിന്റെ ട്രൂനോർത്ത് (യുണൈറ്റഡ് സ്റ്റേറ്റ്സ്)
ന്യൂറോമോർഫിക് ഹാർഡ്‌വെയറിന്റെ ആധുനിക കാലഘട്ടത്തിലെ ആദ്യകാല പയനിയർമാരിൽ ഒരാളായ ഐബിഎമ്മിന്റെ ട്രൂനോർത്ത് ചിപ്പ്, 2014-ൽ പുറത്തിറക്കിയത് ഒരു നാഴികക്കല്ലായിരുന്നു. ഇതിൽ 5.4 ബില്യൺ ട്രാൻസിസ്റ്ററുകൾ ഒരു ദശലക്ഷം ഡിജിറ്റൽ ന്യൂറോണുകളായും 256 ദശലക്ഷം സിനാപ്‌സുകളായും ക്രമീകരിച്ചിരിക്കുന്നു. അതിന്റെ ഏറ്റവും അത്ഭുതകരമായ സവിശേഷത അതിന്റെ ഊർജ്ജ ഉപഭോഗമായിരുന്നു: ഇത് ഒരു സാധാരണ GPU-വിനേക്കാൾ വളരെ കുറഞ്ഞ ഊർജ്ജത്തിൽ, അതായത് പത്തിലൊന്ന് മില്ലിവാട്ടിൽ സങ്കീർണ്ണമായ പാറ്റേൺ തിരിച്ചറിയൽ ജോലികൾ ചെയ്യാൻ കഴിവുള്ളതായിരുന്നു. ട്രൂനോർത്ത് ഓൺ-ചിപ്പ് പഠനമില്ലാത്ത ഒരു നിശ്ചിത ഗവേഷണ പ്ലാറ്റ്‌ഫോം ആയിരുന്നെങ്കിലും, തലച്ചോറിൽ നിന്ന് പ്രചോദനം ഉൾക്കൊണ്ട, കുറഞ്ഞ ഊർജ്ജത്തിൽ പ്രവർത്തിക്കുന്ന കമ്പ്യൂട്ടിംഗ് സാധ്യമാണെന്ന് അത് തെളിയിച്ചു.
മറ്റ് ആഗോള ശ്രമങ്ങൾ
ഈ മത്സരം യഥാർത്ഥത്തിൽ അന്താരാഷ്ട്രീയമാണ്. ചൈനയിലെ ഗവേഷകർ ടിയാൻജിക് പോലുള്ള ചിപ്പുകൾ വികസിപ്പിച്ചെടുത്തിട്ടുണ്ട്, ഇത് കമ്പ്യൂട്ടർ-സയൻസ്-അധിഷ്ഠിത ന്യൂറൽ നെറ്റ്‌വർക്കുകളെയും ന്യൂറോ സയൻസ്-അധിഷ്ഠിത SNN-കളെയും ഒരു ഹൈബ്രിഡ് ആർക്കിടെക്ചറിൽ പിന്തുണയ്ക്കുന്നു. ജർമ്മനിയിൽ, ഹൈഡൽബർഗ് സർവകലാശാലയിലെ ബ്രെയിൻസ്‌കെയിൽഎസ് പ്രോജക്റ്റ് ഒരു ഫിസിക്കൽ മോഡൽ ന്യൂറോമോർഫിക് സിസ്റ്റം വികസിപ്പിച്ചെടുത്തിട്ടുണ്ട്, ഇത് വേഗത്തിൽ പ്രവർത്തിക്കുന്നു, ഇത് മാസങ്ങളുടെ ബയോളജിക്കൽ പഠന പ്രക്രിയകൾ മിനിറ്റുകൾക്കുള്ളിൽ അനുകരിക്കാൻ അനുവദിക്കുന്നു. ഈ വൈവിധ്യമാർന്ന, ആഗോള പ്രോജക്റ്റുകൾ വ്യത്യസ്ത കോണുകളിൽ നിന്ന് സാധ്യമായതിന്റെ അതിരുകൾ ഭേദിക്കുകയാണ്.
യഥാർത്ഥ ലോകത്തിലെ പ്രയോഗങ്ങൾ: തലച്ചോറിൽ നിന്ന് പ്രചോദനം ഉൾക്കൊണ്ട ചിപ്പുകൾ നമ്മൾ എവിടെ കാണും?
ഉയർന്ന കൃത്യതയുള്ള ഗണിതത്തിലും ഗ്രാഫിക്സ് റെൻഡറിംഗിലും മികവ് പുലർത്തുന്ന പരമ്പരാഗത സിപിയു-കൾക്കോ ജിപിയു-കൾക്കോ പകരമാവാനല്ല ന്യൂറോമോർഫിക് കമ്പ്യൂട്ടിംഗ് ഉദ്ദേശിക്കുന്നത്. പകരം, ഇത് ഒരു പ്രത്യേക കോ-പ്രോസസറായി പ്രവർത്തിക്കും, തലച്ചോറ് മികവ് പുലർത്തുന്ന ജോലികൾക്കായി ഒരു പുതിയ തരം ആക്സിലറേറ്റർ: പാറ്റേൺ തിരിച്ചറിയൽ, സെൻസറി പ്രോസസ്സിംഗ്, അഡാപ്റ്റീവ് ലേണിംഗ്.
എഡ്ജ് കമ്പ്യൂട്ടിംഗും ഇന്റർനെറ്റ് ഓഫ് തിംഗ്‌സും (IoT)
ഇതാണ് ഒരുപക്ഷേ ഏറ്റവും പെട്ടെന്നുള്ളതും സ്വാധീനം ചെലുത്തുന്നതുമായ പ്രയോഗ മേഖല. ന്യൂറോമോർഫിക് ചിപ്പുകളുടെ അങ്ങേയറ്റത്തെ ഊർജ്ജ കാര്യക്ഷമത അവയെ നെറ്റ്വർക്കിന്റെ "എഡ്ജ്"-ൽ ബാറ്ററിയിൽ പ്രവർത്തിക്കുന്ന ഉപകരണങ്ങൾക്ക് അനുയോജ്യമാക്കുന്നു. സങ്കൽപ്പിക്കുക:
- സ്മാർട്ട് സെൻസറുകൾ: റോ ഡാറ്റ ക്ലൗഡിലേക്ക് അയയ്‌ക്കാതെ തന്നെ, വൈബ്രേഷനുകൾ വിശകലനം ചെയ്ത് യന്ത്രത്തകരാറുകൾ പ്രവചിക്കാൻ കഴിയുന്ന വ്യാവസായിക സെൻസറുകൾ.
- ധരിക്കാവുന്ന ആരോഗ്യ മോണിറ്ററുകൾ: ഒരു ചെറിയ ബാറ്ററിയിൽ മാസങ്ങളോളം പ്രവർത്തിച്ച്, അപാകതകൾ കണ്ടെത്താൻ തത്സമയം ഇസിജി അല്ലെങ്കിൽ ഇഇജി സിഗ്നലുകൾ തുടർച്ചയായി വിശകലനം ചെയ്യുന്ന ഒരു മെഡിക്കൽ ഉപകരണം.
- ഇന്റലിജന്റ് ക്യാമറകൾ: നിർദ്ദിഷ്ട വസ്തുക്കളെയോ സംഭവങ്ങളെയോ തിരിച്ചറിയാനും പ്രസക്തമായ അലേർട്ടുകൾ മാത്രം അയയ്ക്കാനും കഴിയുന്ന സുരക്ഷാ അല്ലെങ്കിൽ വന്യജീവി ക്യാമറകൾ, ഇത് ബാൻഡ്‌വിഡ്ത്തും വൈദ്യുതി ഉപയോഗവും ഗണ്യമായി കുറയ്ക്കുന്നു.
റോബോട്ടിക്സും ഓട്ടോണമസ് സിസ്റ്റങ്ങളും
റോബോട്ടുകൾക്കും ഡ്രോണുകൾക്കും ചലനാത്മകമായ ഒരു ലോകത്ത് നാവിഗേറ്റ് ചെയ്യാനും സംവദിക്കാനും ഒന്നിലധികം സെൻസറി സ്ട്രീമുകളുടെ (കാഴ്ച, ശബ്ദം, സ്പർശം, ലിഡാർ) തത്സമയ പ്രോസസ്സിംഗ് ആവശ്യമാണ്. ന്യൂറോമോർഫിക് ചിപ്പുകൾ ഈ സെൻസറി ഫ്യൂഷന് അനുയോജ്യമാണ്, ഇത് വേഗതയേറിയതും കുറഞ്ഞ ലേറ്റൻസിയുള്ളതുമായ നിയന്ത്രണത്തിനും അഡാപ്റ്റേഷനും അനുവദിക്കുന്നു. ഒരു ന്യൂറോമോർഫിക്-പവർഡ് റോബോട്ടിന് പുതിയ വസ്തുക്കളെ കൂടുതൽ സഹജമായി പിടിക്കാൻ പഠിക്കാനോ അല്ലെങ്കിൽ തിരക്കേറിയ ഒരു മുറിയിലൂടെ കൂടുതൽ സുഗമമായും കാര്യക്ഷമമായും സഞ്ചരിക്കാനോ കഴിയും.
ശാസ്ത്രീയ ഗവേഷണവും സിമുലേഷനും
സ്പിനാക്കർ പോലുള്ള പ്ലാറ്റ്‌ഫോമുകൾ കമ്പ്യൂട്ടേഷണൽ ന്യൂറോ സയൻസിനുള്ള അമൂല്യമായ ഉപകരണങ്ങളാണ്, വലിയ തോതിലുള്ള മോഡലുകൾ സൃഷ്ടിച്ച് തലച്ചോറിന്റെ പ്രവർത്തനത്തെക്കുറിച്ചുള്ള സിദ്ധാന്തങ്ങൾ പരീക്ഷിക്കാൻ ഗവേഷകരെ പ്രാപ്തരാക്കുന്നു. ന്യൂറോ സയൻസിനപ്പുറം, സങ്കീർണ്ണമായ ഒപ്റ്റിമൈസേഷൻ പ്രശ്നങ്ങൾ വേഗത്തിൽ പരിഹരിക്കാനുള്ള കഴിവ് മരുന്ന് കണ്ടെത്തൽ, മെറ്റീരിയൽ സയൻസ്, ആഗോള വിതരണ ശൃംഖലകൾക്കായുള്ള ലോജിസ്റ്റിക്കൽ ആസൂത്രണം എന്നിവ ത്വരിതപ്പെടുത്തും.
അടുത്ത തലമുറ AI
ന്യൂറോമോർഫിക് ഹാർഡ്‌വെയർ പരമ്പരാഗത സിസ്റ്റങ്ങൾ ഉപയോഗിച്ച് നേടാൻ പ്രയാസമുള്ള പുതിയ AI കഴിവുകൾക്ക് വഴി തുറക്കുന്നു. ഇതിൽ ഉൾപ്പെടുന്നവ:
- വൺ-ഷോട്ട്, കണ്ടിന്യൂവസ് ലേണിംഗ്: ഒരു ഉദാഹരണത്തിൽ നിന്ന് പഠിക്കാനും, ആദ്യം മുതൽ പൂർണ്ണമായി പുനഃപരിശീലനം നൽകാതെ തന്നെ പുതിയ വിവരങ്ങളുമായി തുടർച്ചയായി പൊരുത്തപ്പെടാനുമുള്ള കഴിവ് - ജൈവിക ബുദ്ധിയുടെ ഒരു മുഖമുദ്രയാണിത്.
- കോമ്പിനേറ്റോറിയൽ ഒപ്റ്റിമൈസേഷൻ പ്രശ്നങ്ങൾ പരിഹരിക്കൽ: "ട്രാവലിംഗ് സെയിൽസ്മാൻ പ്രോബ്ലം" പോലുള്ള, വലിയ സംഖ്യയിലുള്ള സാധ്യമായ പരിഹാരങ്ങളുള്ള പ്രശ്നങ്ങൾ SNN-കളുടെ സമാന്തരവും ചലനാത്മകവുമായ സ്വഭാവത്തിന് സ്വാഭാവികമായും അനുയോജ്യമാണ്.
- നോയിസ്-റോബസ്റ്റ് പ്രോസസ്സിംഗ്: മോശം വെളിച്ചത്തിലോ വിചിത്രമായ കോണിൽ നിന്നോ നിങ്ങൾക്ക് ഒരു സുഹൃത്തിന്റെ മുഖം തിരിച്ചറിയാൻ കഴിയുന്നതുപോലെ, ശബ്ദരഹിതമോ അപൂർണ്ണമോ ആയ ഡാറ്റയോട് SNN-കൾ അന്തർലീനമായി കൂടുതൽ കരുത്തുള്ളവയാണ്.
വെല്ലുവിളികളും മുന്നോട്ടുള്ള വഴിയും
അതിന്റെ വലിയ സാധ്യതകൾക്കിടയിലും, വ്യാപകമായ ന്യൂറോമോർഫിക് സ്വീകാര്യതയിലേക്കുള്ള പാത തടസ്സങ്ങളില്ലാത്തതല്ല. ഈ രംഗം ഇപ്പോഴും വികസിച്ചുകൊണ്ടിരിക്കുകയാണ്, നിരവധി പ്രധാന വെല്ലുവിളികൾ പരിഹരിക്കേണ്ടതുണ്ട്.
സോഫ്റ്റ്‌വെയറിന്റെയും അൽഗോരിതത്തിന്റെയും വിടവ്
ഏറ്റവും പ്രധാനപ്പെട്ട തടസ്സം സോഫ്റ്റ്‌വെയറാണ്. പതിറ്റാണ്ടുകളായി, പ്രോഗ്രാമർമാർ വോൺ ന്യൂമാൻ മെഷീനുകളുടെ അനുക്രമവും ക്ലോക്ക് അധിഷ്ഠിതവുമായ യുക്തിയിൽ ചിന്തിക്കാൻ പരിശീലിച്ചിട്ടുണ്ട്. ഇവന്റ്-ഡ്രിവൺ, അസിൻക്രണസ്, സമാന്തര ഹാർഡ്‌വെയർ പ്രോഗ്രാം ചെയ്യുന്നതിന് തികച്ചും പുതിയ ഒരു ചിന്താഗതി, പുതിയ പ്രോഗ്രാമിംഗ് ഭാഷകൾ, പുതിയ അൽഗോരിതങ്ങൾ എന്നിവ ആവശ്യമാണ്. ഹാർഡ്‌വെയർ അതിവേഗം മുന്നേറുന്നു, പക്ഷേ അതിന്റെ മുഴുവൻ കഴിവുകളും അൺലോക്ക് ചെയ്യാൻ ആവശ്യമായ സോഫ്റ്റ്‌വെയർ ഇക്കോസിസ്റ്റം ഇപ്പോഴും ശൈശവാവസ്ഥയിലാണ്.
സ്കേലബിലിറ്റിയും നിർമ്മാണവും
ഈ വളരെ സങ്കീർണ്ണവും പാരമ്പര്യേതരവുമായ ചിപ്പുകൾ രൂപകൽപ്പന ചെയ്യുന്നതും നിർമ്മിക്കുന്നതും ഒരു പ്രധാന വെല്ലുവിളിയാണ്. ഇന്റൽ പോലുള്ള കമ്പനികൾ നൂതന നിർമ്മാണ പ്രക്രിയകൾ പ്രയോജനപ്പെടുത്തുന്നുണ്ടെങ്കിലും, ഈ പ്രത്യേക ചിപ്പുകൾ പരമ്പരാഗത സിപിയു-കൾ പോലെ ചെലവ് കുറഞ്ഞതും വ്യാപകമായി ലഭ്യമാക്കുന്നതിനും സമയമെടുക്കും.
ബെഞ്ച്മാർക്കിംഗും സ്റ്റാൻഡേർഡൈസേഷനും
ഇത്രയധികം വ്യത്യസ്ത ആർക്കിടെക്ചറുകൾ ഉള്ളതിനാൽ, പ്രകടനം കൃത്യമായി താരതമ്യം ചെയ്യാൻ പ്രയാസമാണ്. വ്യത്യസ്ത ന്യൂറോമോർഫിക് സിസ്റ്റങ്ങളുടെ ശക്തിയും ബലഹീനതയും ന്യായമായി വിലയിരുത്താൻ കഴിയുന്ന സ്റ്റാൻഡേർഡ് ബെഞ്ച്മാർക്കുകളും പ്രശ്‌ന സെറ്റുകളും സമൂഹം വികസിപ്പിക്കേണ്ടതുണ്ട്, ഇത് ഗവേഷകർക്കും സാധ്യതയുള്ള ഉപയോക്താക്കൾക്കും വഴികാട്ടിയാകും.
ഉപസംഹാരം: ബുദ്ധിപരവും സുസ്ഥിരവുമായ കമ്പ്യൂട്ടിംഗിന്റെ ഒരു പുതിയ യുഗം
ന്യൂറോമോർഫിക് കമ്പ്യൂട്ടിംഗ് പ്രോസസ്സിംഗ് ശക്തിയിലെ ഒരു ചെറിയ പുരോഗതിയേക്കാൾ കൂടുതലാണ്. ഇത് ബുദ്ധിപരമായ യന്ത്രങ്ങൾ എങ്ങനെ നിർമ്മിക്കാം എന്നതിനെക്കുറിച്ചുള്ള ഒരു അടിസ്ഥാനപരമായ പുനർവിചിന്തനമാണ്, അറിയപ്പെടുന്ന ഏറ്റവും സങ്കീർണ്ണവും കാര്യക്ഷമവുമായ കമ്പ്യൂട്ടേഷണൽ ഉപകരണത്തിൽ നിന്ന് പ്രചോദനം ഉൾക്കൊള്ളുന്നു: മനുഷ്യ മസ്തിഷ്കം. വലിയ സമാന്തരത, ഇവന്റ്-ഡ്രിവൺ പ്രോസസ്സിംഗ്, മെമ്മറിയുടെയും കമ്പ്യൂട്ടേഷന്റെയും സഹവർത്തിത്വം തുടങ്ങിയ തത്വങ്ങൾ സ്വീകരിക്കുന്നതിലൂടെ, തലച്ചോറിൽ നിന്ന് പ്രചോദനം ഉൾക്കൊണ്ട ചിപ്പുകൾ ഏറ്റവും ചെറിയ, ഏറ്റവും ഊർജ്ജ-പരിമിതമായ ഉപകരണങ്ങളിൽ ശക്തമായ AI നിലനിൽക്കാൻ കഴിയുന്ന ഒരു ഭാവി വാഗ്ദാനം ചെയ്യുന്നു.
മുന്നോട്ടുള്ള വഴിയിൽ വെല്ലുവിളികളുണ്ടെങ്കിലും, പ്രത്യേകിച്ച് സോഫ്റ്റ്‌വെയർ രംഗത്ത്, പുരോഗതി നിഷേധിക്കാനാവാത്തതാണ്. ന്യൂറോമോർഫിക് ചിപ്പുകൾ നമ്മുടെ ഇന്നത്തെ ഡിജിറ്റൽ ലോകത്തിന് ശക്തി പകരുന്ന സിപിയു-കളെയും ജിപിയു-കളെയും മാറ്റിസ്ഥാപിക്കാൻ സാധ്യതയില്ല. പകരം, അവ അവയെ വർദ്ധിപ്പിക്കും, ഓരോ ജോലിയും അതിന് ഏറ്റവും കാര്യക്ഷമമായ പ്രോസസ്സർ കൈകാര്യം ചെയ്യുന്ന ഒരു ഹൈബ്രിഡ് കമ്പ്യൂട്ടിംഗ് ലാൻഡ്‌സ്‌കേപ്പ് സൃഷ്ടിക്കും. മികച്ച മെഡിക്കൽ ഉപകരണങ്ങൾ മുതൽ കൂടുതൽ സ്വയംഭരണാധികാരമുള്ള റോബോട്ടുകൾ വരെ, നമ്മുടെ സ്വന്തം മനസ്സിനെക്കുറിച്ച് ആഴത്തിലുള്ള ധാരണ വരെ, തലച്ചോറിൽ നിന്ന് പ്രചോദനം ഉൾക്കൊണ്ട കമ്പ്യൂട്ടിംഗിന്റെ ഉദയം ബുദ്ധിപരവും കാര്യക്ഷമവും സുസ്ഥിരവുമായ സാങ്കേതികവിദ്യയുടെ ഒരു പുതിയ യുഗം തുറക്കാൻ തയ്യാറാണ്.