நியூரோமார்பிக் கம்ப்யூட்டிங்: மூளையை முன்மாதிரியாகக் கொண்ட சிப்கள் செயற்கை நுண்ணறிவு மற்றும் அதற்கும் அப்பால் எவ்வாறு புரட்சியை ஏற்படுத்துகின்றன

பல தசாப்தங்களாக, டிஜிட்டல் முன்னேற்றத்தின் இயந்திரமாக பாரம்பரிய கணினி இருந்து வருகிறது, இது தர்க்கம் மற்றும் வேகத்தின் ஒரு அற்புதம். இருப்பினும், அதன் அனைத்து சக்திக்கும், நமது மண்டை ஓடுகளுக்குள் இருக்கும் மூன்று பவுண்டு பிரபஞ்சத்துடன் ஒப்பிடும்போது அது மங்கிவிடுகிறது. மனித மூளை ஒரு சாதாரண மின்விளக்கை விட குறைவான சக்தியைப் பயன்படுத்திக்கொண்டு, அடையாளம் காணுதல், கற்றல் மற்றும் மாற்றியமைத்தல் போன்ற சாதனைகளைச் செய்கிறது. இந்த வியக்க வைக்கும் செயல்திறன் இடைவெளி கணினித்துறையில் ஒரு புதிய எல்லையைத் தூண்டியுள்ளது: நியூரோமார்பிக் கம்ப்யூட்டிங். இது வழக்கமான கணினி கட்டமைப்பிலிருந்து ஒரு தீவிரமான மாற்றம், இது AI மென்பொருளை இயக்குவதை மட்டும் நோக்கமாகக் கொள்ளாமல், அடிப்படையில் மூளையைப் போல சிந்தித்து தகவல்களைச் செயலாக்கும் வன்பொருளை உருவாக்குவதை நோக்கமாகக் கொண்டுள்ளது.

இந்த வலைப்பதிவு இடுகை இந்த அற்புதமான துறைக்கு உங்கள் விரிவான வழிகாட்டியாக செயல்படும். மூளையை முன்மாதிரியாகக் கொண்ட சிப்கள் என்ற கருத்தை நாங்கள் விளக்குவோம், அவற்றை மிகவும் சக்திவாய்ந்ததாக மாற்றும் முக்கிய கொள்கைகளை ஆராய்வோம், உலகெங்கிலும் உள்ள முன்னோடி திட்டங்களை மதிப்பாய்வு செய்வோம், மேலும் தொழில்நுட்பத்துடனான நமது உறவை மறுவரையறை செய்யக்கூடிய பயன்பாடுகளை எதிர்நோக்குவோம்.

நியூரோமார்பிக் கம்ப்யூட்டிங் என்றால் என்ன? கட்டமைப்பில் ஒரு முன்மாதிரி மாற்றம்

அதன் மையத்தில், நியூரோமார்பிக் கம்ப்யூட்டிங் என்பது கணினி பொறியியலுக்கான ஒரு அணுகுமுறையாகும், அங்கு ஒரு சிப்பின் பௌதீக கட்டமைப்பு உயிரியல் மூளையின் கட்டமைப்பை மாதிரியாகக் கொண்டுள்ளது. இது இன்றைய AI-யிலிருந்து முற்றிலும் வேறுபட்டது, ஏனெனில் AI வழக்கமான வன்பொருளில் இயங்குகிறது. இதை இப்படி சிந்தியுங்கள்: உங்கள் லேப்டாப்பில் இயங்கும் ஒரு விமான சிமுலேட்டர் பறக்கும் அனுபவத்தை பின்பற்ற முடியும், ஆனால் அது ஒருபோதும் உண்மையான விமானமாக இருக்காது. இதேபோல், இன்றைய ஆழமான கற்றல் மாதிரிகள் மென்பொருளில் நரம்பியல் நெட்வொர்க்குகளை உருவகப்படுத்துகின்றன, ஆனால் அவை அவற்றுக்காக வடிவமைக்கப்படாத வன்பொருளில் இயங்குகின்றன. நியூரோமார்பிக் கம்ப்யூட்டிங் என்பது அந்த விமானத்தை உருவாக்குவதைப் பற்றியது.

வான் நியூமன் இடையூறைத் தாண்டுதல்

இந்த மாற்றம் ஏன் அவசியம் என்பதைப் புரிந்துகொள்ள, 1940-களில் இருந்து உருவாக்கப்பட்ட கிட்டத்தட்ட ஒவ்வொரு கணினியின் அடிப்படை வரம்பையும் நாம் முதலில் பார்க்க வேண்டும்: வான் நியூமன் கட்டமைப்பு. இந்த வடிவமைப்பு மையச் செயலகப் பகுதியை (CPU) நினைவகப் பகுதியிலிருந்து (RAM) பிரிக்கிறது. தரவு தொடர்ந்து இந்த இரண்டு கூறுகளுக்கும் இடையில் ஒரு தரவுப் பாதை வழியாக முன்னும் பின்னுமாக செல்ல வேண்டும்.

வான் நியூமன் இடையூறு என அறியப்படும் இந்த தொடர்ச்சியான போக்குவரத்து நெரிசல் இரண்டு முக்கிய சிக்கல்களை உருவாக்குகிறது:

• தாமதம் (Latency): தரவைப் பெறுவதற்கு எடுக்கும் நேரம் செயலாக்க வேகத்தைக் குறைக்கிறது.
• ஆற்றல் நுகர்வு (Energy Consumption): தரவை நகர்த்துவது ஒரு பெரிய அளவு சக்தியைப் பயன்படுத்துகிறது. உண்மையில், நவீன சிப்களில், தரவு இயக்கம் உண்மையான கணக்கீட்டை விட அதிக ஆற்றல் வாய்ந்ததாக இருக்கும்.

மனித மூளையில், இதற்கு மாறாக, அத்தகைய இடையூறு இல்லை. அதன் செயலாக்கம் (நியூரான்கள்) மற்றும் நினைவகம் (சினாப்ஸ்கள்) உள்ளார்ந்த முறையில் இணைக்கப்பட்டு பரவலாக விநியோகிக்கப்பட்டுள்ளன. தகவல் ஒரே இடத்தில் செயலாக்கப்பட்டு சேமிக்கப்படுகிறது. நியூரோமார்பிக் பொறியியல் இந்த நேர்த்தியான, திறமையான வடிவமைப்பை சிலிக்கானில் பிரதிபலிக்க முயல்கிறது.

கட்டமைப்பு கூறுகள்: சிலிக்கானில் நியூரான்கள் மற்றும் சினாப்ஸ்கள்

மூளை போன்ற சிப்பை உருவாக்க, பொறியாளர்கள் அதன் முக்கிய கூறுகள் மற்றும் தகவல் தொடர்பு முறைகளிலிருந்து நேரடி உத்வேகத்தைப் பெறுகிறார்கள்.

உயிரியல் உத்வேகம்: நியூரான்கள், சினாப்ஸ்கள் மற்றும் ஸ்பைக்குகள்

• நியூரான்கள்: இவை மூளையின் அடிப்படை செயலாக்க செல்கள். ஒரு நியூரான் மற்ற நியூரான்களிடமிருந்து சிக்னல்களைப் பெறுகிறது, அவற்றை ஒருங்கிணைக்கிறது, மேலும் ஒரு குறிப்பிட்ட வரம்பை எட்டினால், அது "தூண்டப்பட்டு", தனது சொந்த சிக்னலை முன்னோக்கி அனுப்புகிறது.
• சினாப்ஸ்கள்: இவை நியூரான்களுக்கு இடையேயான இணைப்புகள். முக்கியமாக, சினாப்ஸ்கள் வெறும் கம்பிகள் அல்ல; அவற்றுக்கு ஒரு வலிமை, அல்லது "எடை" உள்ளது, இது காலப்போக்கில் மாற்றியமைக்கப்படலாம். சினாப்டிக் பிளாஸ்டிசிட்டி என அறியப்படும் இந்த செயல்முறை, கற்றல் மற்றும் நினைவகத்திற்கான உயிரியல் அடிப்படையாகும். ஒரு வலுவான இணைப்பு என்பது ஒரு நியூரான் அடுத்ததன் மீது அதிக செல்வாக்கைக் கொண்டுள்ளது என்பதாகும்.
• ஸ்பைக்குகள்: நியூரான்கள் செயல் மின்னழுத்தங்கள் அல்லது "ஸ்பைக்குகள்" எனப்படும் சுருக்கமான மின் துடிப்புகளைப் பயன்படுத்தி தொடர்பு கொள்கின்றன. தகவல் மூல மின்னழுத்த மட்டத்தில் குறியாக்கம் செய்யப்படவில்லை, மாறாக இந்த ஸ்பைக்குகளின் நேரம் மற்றும் அதிர்வெண்ணில் குறியாக்கம் செய்யப்பட்டுள்ளது. இது தரவை அனுப்ப ஒரு சிதறிய மற்றும் திறமையான வழியாகும் - ஒரு நியூரான் ஏதாவது முக்கியமாக சொல்ல வேண்டியிருக்கும் போது மட்டுமே ஒரு சிக்னலை அனுப்புகிறது.

உயிரியலில் இருந்து வன்பொருளுக்கு: SNN-கள் மற்றும் செயற்கை கூறுகள்

நியூரோமார்பிக் சிப்கள் இந்த உயிரியல் கருத்துக்களை மின்னணு சுற்றுகளாக மொழிபெயர்க்கின்றன:

• செயற்கை நியூரான்கள்: இவை உயிரியல் நியூரான்களின் நடத்தையைப் பிரதிபலிக்கும் வகையில் வடிவமைக்கப்பட்ட சிறிய சுற்றுகள், பெரும்பாலும் "ஒருங்கிணைத்து-தூண்டும்" மாதிரியைப் பயன்படுத்துகின்றன. அவை உள்வரும் மின் சிக்னல்களை (மின்னூட்டம்) குவித்து, அவற்றின் உள் மின்னழுத்தம் ஒரு குறிப்பிட்ட வரம்பை எட்டும்போது ஒரு டிஜிட்டல் துடிப்பை (ஒரு ஸ்பைக்) அனுப்புகின்றன.
• செயற்கை சினாப்ஸ்கள்: இவை செயற்கை நியூரான்களை இணைக்கும் நினைவகக் கூறுகள். அவற்றின் செயல்பாடு சினாப்டிக் எடையை சேமிப்பதாகும். மேம்பட்ட வடிவமைப்புகள் மெம்ரிஸ்டர்கள் போன்ற கூறுகளைப் பயன்படுத்துகின்றன - நினைவகத்துடன் கூடிய மின்தடையங்கள் - அவற்றின் மின் எதிர்ப்பு ஒரு இணைப்பின் வலிமையைக் குறிக்கும் வகையில் மாற்றப்படலாம், இது சிப்-மீது கற்றலை செயல்படுத்துகிறது.
• ஸ்பைக்கிங் நியூரல் நெட்வொர்க்குகள் (SNNs): இந்த வன்பொருளில் இயங்கும் கணக்கீட்டு மாதிரி ஸ்பைக்கிங் நியூரல் நெட்வொர்க் என்று அழைக்கப்படுகிறது. பிரதான ஆழமான கற்றலில் பயன்படுத்தப்படும் செயற்கை நியூரல் நெட்வொர்க்குகள் (ANNs) போலல்லாமல், அவை பெரிய, நிலையான தொகுதிகளில் தரவைச் செயலாக்குகின்றன, SNN-கள் மாறும் மற்றும் நிகழ்வு-சார்ந்தவை. அவை தகவல் வரும்போது, ஒரு நேரத்தில் ஒரு ஸ்பைக்காக செயலாக்குகின்றன, இது சென்சார்களிலிருந்து வரும் நிகழ்நேர, தற்காலிக தரவைச் செயலாக்குவதற்கு இயல்பாகவே சிறந்ததாக ஆக்குகிறது.

நியூரோமார்பிக் கட்டமைப்பின் முக்கிய கொள்கைகள்

உயிரியல் கருத்துக்களை சிலிக்கானில் மொழிபெயர்ப்பது பல வரையறுக்கும் கொள்கைகளை உருவாக்குகிறது, அவை நியூரோமார்பிக் சிப்களை அவற்றின் வழக்கமான समकक्षங்களிலிருந்து வேறுபடுத்துகின்றன.

1. பரவலான இணைச்செயலாக்கம் மற்றும் விநியோகம்

மூளை சுமார் 86 பில்லியன் நியூரான்களுடன் இணையாக செயல்படுகிறது. நியூரோமார்பிக் சிப்கள் இதை அதிக எண்ணிக்கையிலான எளிய, குறைந்த-சக்தி செயலாக்க மையங்களை (செயற்கை நியூரான்கள்) பயன்படுத்தி பிரதிபலிக்கின்றன, அவை அனைத்தும் ஒரே நேரத்தில் செயல்படுகின்றன. ஒன்று அல்லது சில சக்திவாய்ந்த மையங்கள் அனைத்தையும் வரிசையாக செய்வதற்குப் பதிலாக, பணிகள் ஆயிரக்கணக்கான அல்லது மில்லியன் கணக்கான எளிய செயலிகளுக்கு விநியோகிக்கப்படுகின்றன.

2. நிகழ்வு-சார்ந்த ஒத்திசைவற்ற செயலாக்கம்

பாரம்பரிய கணினிகள் ஒரு உலகளாவிய கடிகாரத்தால் ஆளப்படுகின்றன. ஒவ்வொரு நொடியிலும், செயலியின் ஒவ்வொரு பகுதியும் ஒரு செயல்பாட்டைச் செய்கிறது, அது தேவைப்பட்டாலும் இல்லாவிட்டாலும். இது நம்பமுடியாத அளவிற்கு வீணானது. நியூரோமார்பிக் அமைப்புகள் ஒத்திசைவற்றவை மற்றும் நிகழ்வு-சார்ந்தவை. ஒரு ஸ்பைக் வரும்போது மட்டுமே சுற்றுகள் செயல்படுத்தப்படுகின்றன. இந்த "தேவைப்படும்போது மட்டும் கணக்கிடு" அணுகுமுறை அவற்றின் அசாதாரண ஆற்றல் செயல்திறனின் முதன்மை ஆதாரமாகும். இதற்கு ஒரு ஒப்புமை என்னவென்றால், ஒரு பாதுகாப்பு அமைப்பு இயக்கத்தைக் கண்டறியும்போது மட்டுமே பதிவு செய்கிறது, தொடர்ந்து 24/7 பதிவு செய்யும் அமைப்புடன் ஒப்பிடுகையில். முந்தையது மகத்தான அளவு ஆற்றலையும் சேமிப்பையும் சேமிக்கிறது.

3. நினைவகம் மற்றும் செயலாக்கத்தின் ஒருங்கிணைந்த இடம்

விவாதித்தபடி, நியூரோமார்பிக் சிப்கள் நினைவகத்தை (சினாப்ஸ்கள்) செயலாக்கத்துடன் (நியூரான்கள்) ஒருங்கிணைப்பதன் மூலம் வான் நியூமன் இடையூறை நேரடியாகச் சமாளிக்கின்றன. இந்த கட்டமைப்புகளில், செயலி தொலைதூர நினைவக வங்கியிலிருந்து தரவைப் பெற வேண்டியதில்லை. நினைவகம் அங்கேயே, செயலாக்க அமைப்பினுள் பதிக்கப்பட்டுள்ளது. இது தாமதத்தையும் ஆற்றல் நுகர்வையும் வியத்தகு முறையில் குறைக்கிறது, நிகழ்நேர பயன்பாடுகளுக்கு அவற்றை சிறந்ததாக ஆக்குகிறது.

4. உள்ளார்ந்த பிழை சகிப்புத்தன்மை மற்றும் பிளாஸ்டிசிட்டி

மூளை குறிப்பிடத்தக்க வகையில் மீள்தன்மை கொண்டது. சில நியூரான்கள் இறந்தால், முழு அமைப்பும் செயலிழக்காது. நியூரோமார்பிக் சிப்களின் விநியோகிக்கப்பட்ட மற்றும் இணை இயல்பு இதேபோன்ற உறுதியை வழங்குகிறது. சில செயற்கை நியூரான்களின் தோல்வி செயல்திறனை சற்று குறைக்கலாம் ஆனால் பேரழிவுத் தோல்வியை ஏற்படுத்தாது. மேலும், மேம்பட்ட நியூரோமார்பிக் அமைப்புகள் சிப்-மீது கற்றலை உள்ளடக்கியுள்ளன, இது நெட்வொர்க்கை புதிய தரவுகளுக்கு பதிலளிக்கும் வகையில் அதன் சினாப்டிக் எடைகளை மாற்றியமைக்க அனுமதிக்கிறது, ஒரு உயிரியல் மூளை அனுபவத்திலிருந்து கற்றுக்கொள்வதைப் போலவே.

உலகளாவிய பந்தயம்: முக்கிய நியூரோமார்பிக் திட்டங்கள் மற்றும் தளங்கள்

நியூரோமார்பிக் கம்ப்யூட்டிங்கின் வாக்குறுதி ஒரு உலகளாவிய கண்டுபிடிப்புப் பந்தயத்தைத் தூண்டியுள்ளது, முன்னணி ஆராய்ச்சி நிறுவனங்கள் மற்றும் தொழில்நுட்ப ஜாம்பவான்கள் தங்கள் சொந்த மூளையை முன்மாதிரியாகக் கொண்ட தளங்களை உருவாக்குகின்றனர். இங்கே சில முக்கிய எடுத்துக்காட்டுகள் உள்ளன:

இன்டெல்-இன் லோஹி மற்றும் லோஹி 2 (அமெரிக்கா)

இன்டெல் ஆய்வகங்கள் இந்தத் துறையில் ஒரு முக்கிய சக்தியாக இருந்து வருகின்றன. அதன் முதல் ஆராய்ச்சி சிப், லோஹி, 2017 இல் அறிமுகப்படுத்தப்பட்டது, 128 கோர்களைக் கொண்டிருந்தது, 131,000 நியூரான்கள் மற்றும் 130 மில்லியன் சினாப்ஸ்களை உருவகப்படுத்தியது. அதன் வாரிசான, லோஹி 2, ஒரு குறிப்பிடத்தக்க முன்னேற்றத்தைக் குறிக்கிறது. இது ஒரே சிப்பில் ஒரு மில்லியன் நியூரான்களைக் கொண்டுள்ளது, வேகமான செயல்திறனை வழங்குகிறது, மேலும் நெகிழ்வான மற்றும் நிரல்படுத்தக்கூடிய நியூரான் மாதிரிகளை உள்ளடக்கியுள்ளது. லோஹி குடும்பத்தின் ஒரு முக்கிய அம்சம் சிப்-மீது கற்றலுக்கான அதன் ஆதரவாகும், இது SNN-களை ஒரு சேவையகத்துடன் இணைக்காமல் நிகழ்நேரத்தில் மாற்றியமைக்க அனுமதிக்கிறது. இன்டெல் இந்த சிப்களை இன்டெல் நியூரோமார்பிக் ஆராய்ச்சி சமூகம் (INRC) மூலம் உலகளாவிய ஆராய்ச்சியாளர் சமூகத்திற்கு கிடைக்கச் செய்துள்ளது, இது கல்வி மற்றும் தொழில்துறை முழுவதும் ஒத்துழைப்பை வளர்க்கிறது.

ஸ்பின்நேக்கர் திட்டம் (ஐக்கிய இராச்சியம்)

மான்செஸ்டர் பல்கலைக்கழகத்தில் உருவாக்கப்பட்டு ஐரோப்பிய மனித மூளை திட்டத்தால் நிதியளிக்கப்பட்ட ஸ்பின்நேக்கர் (ஸ்பைக்கிங் நியூரல் நெட்வொர்க் ஆர்க்கிடெக்சர்) ஒரு ভিন্ন அணுகுமுறையை எடுக்கிறது. அதன் குறிக்கோள் மிகவும் உயிரியல் ரீதியாக யதார்த்தமான நியூரானை உருவாக்குவது அவசியமில்லை, மாறாக நிகழ்நேரத்தில் மிகப்பெரிய SNN-களை உருவகப்படுத்தக்கூடிய ஒரு பரந்த இணை அமைப்பை உருவாக்குவதாகும். மிகப்பெரிய ஸ்பின்நேக்கர் இயந்திரம் ஒரு மில்லியனுக்கும் அதிகமான ARM செயலி கோர்களைக் கொண்டுள்ளது, அனைத்தும் மூளை இணைப்பைப் பிரதிபலிக்கும் வகையில் ஒன்றோடொன்று இணைக்கப்பட்டுள்ளன. இது நரம்பியல் விஞ்ஞானிகளுக்கு மூளையின் செயல்பாட்டை ஒரு பெரிய அளவில் மாதிரியாக்கம் செய்து புரிந்துகொள்ள ஒரு சக்திவாய்ந்த கருவியாகும்.

ஐபிஎம்-இன் ட்ரூநார்த் (அமெரிக்கா)

நியூரோமார்பிக் வன்பொருளின் நவீன யுகத்தின் ஆரம்பகால முன்னோடிகளில் ஒருவரான ஐபிஎம்-இன் ட்ரூநார்த் சிப், 2014 இல் வெளியிடப்பட்டது, இது ஒரு மைல்கல் சாதனையாகும். இது 5.4 பில்லியன் டிரான்சிஸ்டர்களைக் கொண்டிருந்தது, அவை ஒரு மில்லியன் டிஜிட்டல் நியூரான்கள் மற்றும் 256 மில்லியன் சினாப்ஸ்களாக ஒழுங்கமைக்கப்பட்டிருந்தன. அதன் மிகவும் வியக்க வைக்கும் அம்சம் அதன் சக்தி நுகர்வு: இது சிக்கலான வடிவமைப்பு அங்கீகாரப் பணிகளைச் செய்யும்போது வெறும் பத்து மில்லிவாட்களை மட்டுமே நுகர்ந்தது—ஒரு வழக்கமான GPU-ஐ விட பல மடங்கு குறைவு. ட்ரூநார்த் சிப்-மீது கற்றல் இல்லாமல் ஒரு நிலையான ஆராய்ச்சி தளமாக இருந்தபோதிலும், மூளையை முன்மாதிரியாகக் கொண்ட, குறைந்த-சக்தி கம்ப்யூட்டிங் பெரிய அளவில் சாத்தியம் என்பதை அது நிரூபித்தது.

பிற உலகளாவிய முயற்சிகள்

இந்த பந்தயம் உண்மையிலேயே சர்வதேசமானது. சீனாவில் உள்ள ஆராய்ச்சியாளர்கள் டியான்ஜிக் போன்ற சிப்களை உருவாக்கியுள்ளனர், இது கணினி அறிவியல் சார்ந்த நரம்பியல் நெட்வொர்க்குகள் மற்றும் நரம்பியல் அறிவியல் சார்ந்த SNN-கள் இரண்டையும் ஒரு கலப்பின கட்டமைப்பில் ஆதரிக்கிறது. ஜெர்மனியில், ஹைடெல்பெர்க் பல்கலைக்கழகத்தில் உள்ள பிரெய்ன்ஸ்கேல்ஸ் திட்டம் ஒரு இயற்பியல் மாதிரி நியூரோமார்பிக் அமைப்பை உருவாக்கியுள்ளது, இது ஒரு முடுக்கப்பட்ட வேகத்தில் செயல்படுகிறது, இது மாதக்கணக்கிலான உயிரியல் கற்றல் செயல்முறைகளை நிமிடங்களில் உருவகப்படுத்த அனுமதிக்கிறது. இந்த மாறுபட்ட, உலகளாவிய திட்டங்கள் சாத்தியமானவற்றின் எல்லைகளை வெவ்வேறு கோணங்களில் இருந்து தள்ளுகின்றன.

நிஜ-உலகப் பயன்பாடுகள்: மூளையை முன்மாதிரியாகக் கொண்ட சிப்களை எங்கே காண்போம்?

நியூரோமார்பிக் கம்ப்யூட்டிங் என்பது உயர்-துல்லிய கணிதம் மற்றும் கிராபிக்ஸ் ரெண்டரிங்கில் சிறந்து விளங்கும் பாரம்பரிய CPU-க்கள் அல்லது GPU-க்களை மாற்றுவதற்காக அல்ல. மாறாக, இது ஒரு சிறப்பு இணை-செயலியாக, மூளை சிறந்து விளங்கும் பணிகளுக்கான ஒரு புதிய வகை முடுக்கியாக செயல்படும்: வடிவமைப்பு அங்கீகாரம், உணர்ச்சி செயலாக்கம் மற்றும் தகவமைப்பு கற்றல்.

எட்ஜ் கம்ப்யூட்டிங் மற்றும் பொருட்களின் இணையம் (IoT)

இது ஒருவேளை மிகவும் உடனடி மற்றும் தாக்கத்தை ஏற்படுத்தும் பயன்பாட்டுப் பகுதியாகும். நியூரோமார்பிக் சிப்களின் தீவிர ஆற்றல் திறன் அவற்றை நெட்வொர்க்கின் "எட்ஜ்"-இல் உள்ள பேட்டரி-இயங்கும் சாதனங்களுக்கு சரியானதாக ஆக்குகிறது. கற்பனை செய்து பாருங்கள்:

• ஸ்மார்ட் சென்சார்கள்: மூலத் தரவை கிளவுடுக்கு அனுப்பாமல், இயந்திர ವೈಫಲ್ಯத்தை கணிக்க அதிர்வுகளை தானாகவே பகுப்பாய்வு செய்யக்கூடிய தொழில்துறை சென்சார்கள்.
• அணியக்கூடிய சுகாதார கண்காணிப்பாளர்கள்: ஒரு சிறிய பேட்டரியில் மாதக்கணக்கில் இயங்கும், அசாதாரணங்களைக் கண்டறிய நிகழ்நேரத்தில் ECG அல்லது EEG சிக்னல்களை தொடர்ந்து பகுப்பாய்வு செய்யும் ஒரு மருத்துவ சாதனம்.
• புத்திசாலித்தனமான கேமராக்கள்: குறிப்பிட்ட பொருள்கள் அல்லது நிகழ்வுகளை அடையாளம் கண்டு, தொடர்புடைய எச்சரிக்கைகளை மட்டும் அனுப்பக்கூடிய பாதுகாப்பு அல்லது வனவிலங்கு கேமராக்கள், அலைவரிசை மற்றும் மின் பயன்பாட்டை வியத்தகு முறையில் குறைக்கின்றன.

ரோபாட்டிக்ஸ் மற்றும் தன்னாட்சி அமைப்புகள்

ரோபோக்கள் மற்றும் ட்ரோன்களுக்கு ஒரு மாறும் உலகில் செல்லவும் தொடர்பு கொள்ளவும் பல உணர்ச்சி உள்ளீடுகளை (பார்வை, ஒலி, தொடுதல், லிடார்) நிகழ்நேரத்தில் செயலாக்க வேண்டும். நியூரோமார்பிக் சிப்கள் இந்த உணர்ச்சி இணைப்பிற்கு சிறந்தவை, விரைவான, குறைந்த-தாமத கட்டுப்பாடு மற்றும் தழுவலுக்கு அனுமதிக்கின்றன. ஒரு நியூரோமார்பிக்-இயங்கும் ரோபோ புதிய பொருட்களை மிகவும் உள்ளுணர்வாகப் பிடிக்கக் கற்றுக்கொள்ளலாம் அல்லது ஒரு இரைச்சலான அறையில் மிகவும் சரளமாகவும் திறமையாகவும் செல்லலாம்.

அறிவியல் ஆராய்ச்சி மற்றும் உருவகப்படுத்துதல்

ஸ்பின்நேக்கர் போன்ற தளங்கள் கணக்கீட்டு நரம்பியல் அறிவியலுக்கு ஏற்கனவே விலைமதிப்பற்ற கருவிகளாக உள்ளன, ஆராய்ச்சியாளர்கள் பெரிய அளவிலான மாதிரிகளை உருவாக்குவதன் மூலம் மூளை செயல்பாடு பற்றிய கருதுகோள்களை சோதிக்க உதவுகின்றன. நரம்பியல் அறிவியலுக்கு அப்பால், சிக்கலான மேம்படுத்தல் சிக்கல்களை விரைவாகத் தீர்க்கும் திறன் மருந்து கண்டுபிடிப்பு, பொருள் அறிவியல் மற்றும் உலகளாவிய விநியோகச் சங்கிலிகளுக்கான தளவாடத் திட்டமிடலை துரிதப்படுத்தக்கூடும்.

அடுத்த தலைமுறை AI

நியூரோமார்பிக் வன்பொருள் வழக்கமான அமைப்புகளுடன் அடைய கடினமாக இருக்கும் புதிய AI திறன்களுக்கு வழி வகுக்கிறது. இதில் அடங்குவன:

• ஒற்றை-முயற்சி மற்றும் தொடர்ச்சியான கற்றல்: ஒரு எடுத்துக்காட்டிலிருந்து கற்றுக் கொள்ளும் மற்றும் முற்றிலும் புதிதாகப் பயிற்சியளிக்கப்படாமல் புதிய தகவல்களுக்குத் தொடர்ந்து மாற்றியமைக்கும் திறன் - இது உயிரியல் நுண்ணறிவின் ஒரு அடையாளமாகும்.
• சேர்மான மேம்படுத்தல் சிக்கல்களைத் தீர்ப்பது: "பயணிக்கும் விற்பனையாளர் சிக்கல்" போன்ற ஏராளமான சாத்தியமான தீர்வுகளைக் கொண்ட சிக்கல்கள், SNN-களின் இணை, மாறும் இயல்புக்கு இயல்பாகவே பொருத்தமானவை.
• இரைச்சல்-தாங்கும் செயலாக்கம்: SNN-கள் இயல்பாகவே இரைச்சல் மிக்க அல்லது முழுமையற்ற தரவுகளுக்கு மிகவும் வலுவானவை, நீங்கள் ஒரு நண்பரின் முகத்தை மங்கலான ஒளியில் அல்லது ஒரு விசித்திரமான கோணத்தில் இருந்து கூட அடையாளம் கண்டுகொள்வதைப் போலவே.

சவால்கள் மற்றும் முன்னோக்கிய பாதை

அதன் மகத்தான சாத்தியக்கூறுகள் இருந்தபோதிலும், பரவலான நியூரோமார்பிக் தழுவலுக்கான பாதை அதன் தடைகள் இல்லாமல் இல்லை. இந்தத் துறை இன்னும் முதிர்ச்சியடைந்து வருகிறது, மேலும் பல முக்கிய சவால்கள் தீர்க்கப்பட வேண்டும்.

மென்பொருள் மற்றும் அல்காரிதம் இடைவெளி

மிக முக்கியமான தடை மென்பொருள். பல தசாப்தங்களாக, புரோகிராமர்கள் வான் நியூமன் இயந்திரங்களின் வரிசைமுறை, கடிகார-அடிப்படையிலான தர்க்கத்தில் சிந்திக்கப் பயிற்றுவிக்கப்பட்டுள்ளனர். நிகழ்வு-சார்ந்த, ஒத்திசைவற்ற, இணை வன்பொருளை நிரலாக்க முற்றிலும் புதிய மனநிலை, புதிய நிரலாக்க மொழிகள் மற்றும் புதிய அல்காரிதம்கள் தேவை. வன்பொருள் வேகமாக முன்னேறி வருகிறது, ஆனால் அதன் முழு திறனையும் திறக்கத் தேவையான மென்பொருள் சூழல் இன்னும் அதன் ஆரம்ப கட்டத்தில் உள்ளது.

அளவிடுதல் மற்றும் உற்பத்தி

இந்த மிகவும் சிக்கலான, பாரம்பரியமற்ற சிப்களை வடிவமைத்து உருவாக்குவது ஒரு குறிப்பிடத்தக்க சவால். இன்டெல் போன்ற நிறுவனங்கள் மேம்பட்ட உற்பத்தி செயல்முறைகளைப் பயன்படுத்தினாலும், இந்த சிறப்பு சிப்களை வழக்கமான CPU-க்கள் போல செலவு குறைந்ததாகவும் பரவலாகக் கிடைக்கக்கூடியதாகவும் மாற்றுவதற்கு நேரம் எடுக்கும்.

அளவீடு மற்றும் தரப்படுத்தல்

பல வேறுபட்ட கட்டமைப்புகளுடன், செயல்திறனை நேருக்கு நேர் ஒப்பிடுவது கடினம். இந்த சமூகம் தரப்படுத்தப்பட்ட அளவுகோல்கள் மற்றும் சிக்கல் தொகுப்புகளை உருவாக்க வேண்டும், அவை வெவ்வேறு நியூரோமார்பிக் அமைப்புகளின் பலம் மற்றும் பலவீனங்களை நியாயமாக மதிப்பீடு செய்ய முடியும், இது ஆராய்ச்சியாளர்கள் மற்றும் சாத்தியமான தத்தெடுப்பாளர்கள் இருவருக்கும் வழிகாட்ட உதவும்.

முடிவு: புத்திசாலித்தனமான மற்றும் நிலையான கம்ப்யூட்டிங்கின் ஒரு புதிய சகாப்தம்

நியூரோமார்பிக் கம்ப்யூட்டிங் என்பது செயலாக்க சக்தியில் ஒரு படிப்படியான முன்னேற்றத்தை விட மேலானது. இது நாம் புத்திசாலித்தனமான இயந்திரங்களை எவ்வாறு உருவாக்குகிறோம் என்பதைப் பற்றிய ஒரு அடிப்படை மறுசிந்தனையாகும், இது அறியப்பட்ட மிகவும் அதிநவீன மற்றும் திறமையான கணக்கீட்டு சாதனமான மனித மூளையிலிருந்து உத்வேகம் பெறுகிறது. பரவலான இணைச்செயலாக்கம், நிகழ்வு-சார்ந்த செயலாக்கம் மற்றும் நினைவகம் மற்றும் கணக்கீட்டின் ஒருங்கிணைந்த இடம் போன்ற கொள்கைகளை ஏற்றுக்கொள்வதன் மூலம், மூளையை முன்மாதிரியாகக் கொண்ட சிப்கள், மிகச்சிறிய, மிகவும் சக்தி-கட்டுப்படுத்தப்பட்ட சாதனங்களில் சக்திவாய்ந்த AI இருக்கக்கூடிய ஒரு எதிர்காலத்தை உறுதியளிக்கின்றன.

முன்னோக்கிய பாதை அதன் சவால்களைக் கொண்டிருந்தாலும், குறிப்பாக மென்பொருள் முன்னணியில், முன்னேற்றம் மறுக்க முடியாதது. நியூரோமார்பிக் சிப்கள் இன்று நமது டிஜிட்டல் உலகத்தை இயக்கும் CPU-க்கள் மற்றும் GPU-க்களை மாற்றியமைக்க வாய்ப்பில்லை. மாறாக, அவை அவற்றை மேம்படுத்தும், ஒரு கலப்பின கணினி நிலப்பரப்பை உருவாக்கும், அங்கு ஒவ்வொரு பணியும் அந்த வேலைக்கு மிகவும் திறமையான செயலியால் கையாளப்படுகிறது. புத்திசாலித்தனமான மருத்துவ சாதனங்கள் முதல் அதிக தன்னாட்சி கொண்ட ரோபோக்கள் மற்றும் நமது சொந்த மனங்களைப் பற்றிய ஆழமான புரிதல் வரை, மூளையை முன்மாதிரியாகக் கொண்ட கம்ப்யூட்டிங்கின் விடியல் புத்திசாலித்தனமான, திறமையான மற்றும் நிலையான தொழில்நுட்பத்தின் ஒரு புதிய சகாப்தத்தைத் திறக்கத் தயாராக உள்ளது.