İnsan beyni doğanın en güçlü işlemci, bu yüzden onu taklit gelişmekte bilgisayarlar uzun vadeli bir hedefi olmuştur şaşırtıcı değil. Yapay sinir ağları, insan benzeri şekilde öğrenen yapay zekâ sistemleri, sahip olduğumuz en yakın modellerdir ve şimdi Stanford bilim insanları organik bir yapay sinaps geliştirerek bilgisayarları daha verimli öğrenenler haline getirmektedir.
Organik bir beyinde nöronal hücreler bilgi işlemesi ve depolanması için birbirlerine elektrik sinyalleri gönderirler. Sinirler, sinapsları birbirine bağlayan sinapslar olarak adlandırılan küçük boşluklarla birbirinden ayrılır ve her geçiş yapıldığında bu bağlantı güçlüleşir ve her seferinde daha az enerji gerektirir. Bir bağlantının güçlenmesi beynin nasıl öğrendiğidir ve bilginin işlenmesinin de beynin bu kadar zayıf, ortalama bir öğrenme makinesi haline getirdiği şeydir. Yapay sinaps, bilgisayarlara olan boşluğu kapatır
Sinir ağları bunu bir yazılım seviyesinde modeller. Bu AI sistemleri, muazzam miktarda veriyi işlemek için harika ve onlara ilham veren insan beyni gibi, besledikleri bilgi ne kadar çok olursa, işlerinde o kadar iyi olurlar. Tanıma ve sıralama görüntüleri ve sesler şu anda kendi uzmanlık ana alan vardır ve bu sistemler sürüş özerk araba insanlığın yenerek, iyi git oyuncuları trippy oluşturarak, sanat eserleri ve hatta birbirlerini öğretim. Sorun şu ki, bu akıllı yazılım sistemleri hala geleneksel bilgisayar donanımı üzerinde çalışıyor; yani, oldukları kadar enerjik değiller. Yapay sinaps, bilgisayarlara olan boşluğu kapatır
Araştırmanın başyazarı Yoeri van de Burgt, “Derin öğrenme algoritmaları çok güçlü ancak elektrik durumlarını hesaplamak ve simule etmek ve onları enerji ve zaman açısından verimsiz olan başka yerlerde saklamak için işlemcilere güveniyor” diyor. “Bir sinir ağı simüle etmek yerine, çalışmalarımız sinir ağı kurmaya çalışıyor.”
Ekip aynı anda bilgi işleme ve saklama yoluyla gerçek şeyi taklit eden fiziksel, yapay bir sinaps oluşturma konusunda karar aldı. Bir pil temelinde ve bir transistör gibi çalışarak, cihaz iki ince film ve üç terminalden oluşur; tuzlu su elektrolit olarak etkimektedir. Elektrik sinyallerinin her biri üç terminalin ikisi arasında bir anda atlar ve üçüncü tarafından kontrol edilir.
İlk olarak, araştırmacılar, belirli bir elektrik durumuna geçmek için hangi voltaja ihtiyaç duyulduklarını anlamak için, çeşitli elektrik sinyalleriyle sinaps eğitimi aldılar. Dijital transistörlerin sıfır ve bir – iki durumu vardır ancak üç terminal düzeniyle yapay sinaps, 500’e kadar farklı durum programlamaya muktedir, bu da yeteneğine sahip olabilecek hesaplama gücünü katlanarak genişletir.
Daha iyisi, devletlerarasında geçiş yapmak, diğer sistemlerin enerjisinin bir bölümünü alır. Yapay sinaps, biyolojik bir enerjinin 10.000 katını kullanıyor ancak doğru yönde atılmış bir adım ve daha küçük cihazlarda yapılacak daha ileri testlerle araştırmacılar bu verimliliği eninde sonunda artıracaklarını umuyorlar. Yapay sinaps, bilgisayarlara olan boşluğu kapatır
Araştırmanın kıdemli yazarı A. Alec Talin, “Bilişim aygıtlarımızın yapmasını beklediğimiz görev çeşitliliği, beyni taklit eden bilgi işlem gerektiriyor, çünkü bu görevleri gerçekleştirmek için geleneksel bilgi işlem kullanmanın gerçekten güçlük çekiyor” diyor. “Bu tür algoritmaları çalıştırmak için ideal olan ve daha az güç harcayan bir cihaz gösterdik.”
Şimdiye kadar yalnızca bir yapay sinaps oluşturulmuş olsa da, ekip kapsamlı denemeler yaptı ve bir dizi yapay sinapsın bilgiyi nasıl işleyeceğini simüle etmek için toplanan verileri harfiyen ekstrapole etti. Bir sinir ağı görsel tanıma becerilerini kullanarak, araştırmacılar üç farklı stilde el yazısı sayıları – 0 – 9 belirleme yeteneğini test ve sistemin zaman yüzde 97’ye kadar rakamları tanıyabileceğini bulundu.
Yapay sinapsların daha önceki örnekleri, 2011’de USC’den gelen gibi, sadece daha az güçlü değil, tamamen organik malzemelerden yapılmış değildi. Genellikle hidrojen ve karbondan oluşur ve insan nöronları ile aynı voltajda çalışan Stanford sinaps, sonunda biyolojik beyinlerle bütünleşebilir ve protezler ve beyin-makine arayüzleri gibi daha doğrudan düşünce tarafından kontrol edilebilen cihazların imkânını açabilir.
Araştırmacılar için bir sonraki adım, yapay sinapsların fiziksel bir dizisini üreterek simüle edilen sonuçları test etmektir.