هنری مارکرام در کنفرانس تد از آینده و نتایج پروژه بلوبرین(شبیه سازی مغز انسان، نورون به نورون توسط ابر رایانه بلوژن) می گوید: اگر ما موفق شویم ۱۰ سال دیگر مغز مصنوعی را برای سخنرانی به تد خواهیم فرستاد.

در اینجا خلاصه ای از متن سخنرانی، و در اینجا ویدئوی سخنرانی او را می بینید.

توضیح عکس: این عکس توسط میکروسکوپ اتمی از مدار ساده ای

 شامل 17 ممریستورگرفته شده پهنای هر خط در این عکس 50 نانومتر ( حدود 150 اتم) است

سی و هشت سال پیش لئون چوا، مهندس الکترونیک جوان دانشگاه برکلی؛ شروع به حل معادلاتی کرد که سرانجام آن پیش بینی تراشه ای بود که علم الکترونیک را متحول می کرد. او همانند کار مندلیف در مورد عناصر شیمیایی به دسته بندی روابط بین کمیتهای اصلی مدارهای الکتریکی پرداخت. طبق قوانین ریاضی این چهار کمیت یعنی بار الکتریکی، جریان، میدان مغناطیسی و ولتاژ می توانند به شش طریق با هم ارتباط برقرار کنند: ارتباط جریان و بار، شار و جریان، شار و ولتاژ به تعاریف پایه ای الکترونیک بر می گردد و مقاومت ، خازن و القاگر دو ارتباط دیگر را بر قرار می کنند. تا اینجا پنج روش برقراری ارتباط بین کمیتهای اصلی را برشمردیم. یک ارتباط فراموش شده، رابطه ی بین بار الکتریکی و شار مغناطیسی؛ رابطه ای که چوا را مدتها به خود مشغول کرد. او اثبات کرد با ترکیب مقاومت ، خازن و القاگر نمی توان به ابزاری با این قابلیت دست یافت. این ابزار بنیادین که در ذهن چوا متولد شده بود ممریستور؛ ترکیب مموری و رسیستور(حافظه مقاومت دار) نام گرفت. ابزاری شبیه به مقاومت با توانایی یاد آوری جریان های عبوری قبلی.

اگر مقاومت را همچون لوله آب و آب را بار الکتریکی در نظر بگیریم. میزان مقاومت با قطر لوله نسبت عکس خواهد داشت. تا کنون مقاومت ها، قطر لوله ثابتی داشته اند اما ممریستور مانند لوله ای است که قطرش با میزان و جهت جریان تغییر می کند اگر جریان در جهت موافق باشد قطر لوله بیشتر و اگر در جهت مخالف باشد قطر لوله کمتر می شود همچنین اگر جریان قطع شود، قطر لوله تا برقراری مجدد جریان ثابت می ماند.

این ویژگی های منحصر به فرد سبب شده، ساخت ممریستور نوید تحولی بزرگتر از تحول اختراع ترانزیستور در قرن بیستم را بدهد.

توضیح عکس: جریان گذرنده از ممریستور با توجه به جهت جریان ورودی تنظیم می شود.

 قانون مور به کوچک شدن تراشه ها و افزایش قدرت پردازش در حجمی مشخص اشاره می کند اما این کوچک شدن تا کجا پیش خواهد رفت، ساخت مدارهایی که از ممریستور استفاده می کنند باعث می شود به جای کم کردن حجم، کارایی افزایش یابد.  پیش بینی می شود بعد از به کارگیری مدارهایی که از ممریستور استفاده می کنند، کامپیوترهایی با مصرف برق بسیار کم ساخته شود و RAM هایی به وجود آیند که با قطع برق، اطلاعات در آنها باقی می ماند و دیگر لازم نباشد در هنگام روشن شدن کامپیوتر زمانی را برای boot-up  صرف کنیم و بتوان کامپیوتر را مانند لامپ روشن و خاموش کرد. ساخت حافظه هایی که 1000 بار سریعتر از دیسکهای مغناطیسی کنونی و با مصرف برق کمتر کار می کنند نیز از مزیت های استفاده از ممریستور است. اما مهمترین کاربرد ممریستور توانایی ساخت کامپیوترهایی است که به صورت آنالوگ کار کنند، کامپیوترهایی که همچون مغز انسان پردازش خواهند کرد. در صورت موفقیت، کارهایی که توسط کامپیوترهای دیجیتال به سختی انجام می گیرد مانند پردازش چهره، یادگیری، تصمیم گیری بر اساس تجربیات و ... سریع و آسان انجام خواهد شد.

HP امیدوار است شبکه های عصبی، مشابه مغز بسازد که اجرای برنامه بر روی آنها هزاران یا شاید میلیونها بار کارا تر از کامپیوترهای دیجیتال باشد. سرپرست گروه تحقیقاتی HP می گوید: مردم معمولا این نوع شبکه ها را با شبکه های عصبی کنونی اشتباه می گیرند، هدف ما تغییر معماری هوش مصنوعی است. نه ساخت نرم افزارهایی که روی سخت افزارهای پردازشی اجرا می شوند.

چوا معتقد است علت ناکامی در ساخت هوش مصنوعی، نبود ممریستور بوده است، اکنون که این عنصر در اختیار دانشمندان قرار می گیرد دوره ی جدید هوش مصنوعی آغاز خواهد شد.

در هر سانتی متر مربع از قشر مغز 10¹⁰ سیناپس وجود دارد، در حالی که فشردگی قطعات پردازنده های امروزی 10 برابر کمتر از این مقدار است. به عقیده گرگ؛ یکی از دانشمندان HP، همین امر باعث شده تا کنون نتوانیم ماشین های هوشمند را در زندگی روزمره ببینیم. هم اکنون با استفاده از ممریستور دانشمندان اولین قدمهای انتقال رفتارهای عصبی به سیستمهای الکترونیکی را برادشته اند و با استفاده از تراشه های ترکیبی در راستای ساخت شبیه سازی تفکر انسان گام نهاده اند. اما ساخت مغز الکترونیک به زمان بیشتری نیاز دارد این تراشه بیش از حد هوشمند است، خروجی آن به جای یک پالس دیجیتالی، آنالوگ است و این باعث سردرگمی نرم افزارهای آزمایش تراشه ها می شود و مشکلات زیادی را در راه ساخت مغز الکترونیکی به وجود آورده است.

اما برگردیم به ساخت ممریستور، تئوری ممریستور سی و هشت سال تنها در ذهن دانشمندان گذر می کرد تا اینکه سال گذشته آر استنلی ویلیامز و گروه او در آزمایشگاه  HP با نشان دادن نمونه ای سحر آمیز از این ابزار جامعه الکترونیک را شگفت زده کردند. البته قبل از آن نیز کسانی چون تتسوسایسوگا و همکارانش در دانشگاه Hokkkaido ژاپن مکانیسم مشابه رفتار ممریستور را در موجودی تک سلولی یافته  بودند حتی چوا نیز در مقاله خود به سیناپس ها و عملکرد ممریستور مانند آنها اشاره کرده بود چوا می گوید: در آن زمان متوجه شدم سیناپسها در واقع ممریستور هستند کانالهای یونی همان جزء گمشده مدارهای الکتریکی است که من در جست و جوی آن بودم.

توضیح عکس: سرعت حرکت این موجود تک سلولی که بر روی بادام زندگی می کند به دمای محیط وابسته است. دانشمندان ژاپنی ابتدا این موجود تک سلولی را به مدت 10 دقیقه در هوای گرم و سپس 10 دقیقه در هوای سرد قرار دادند و این کار را چندین بار تکرار کردند و در آخر وقتی دما پایین بود، دما را ثابت نگه داشتند ولی سرعت حرکت این تک سلولی ثابت نماند پس از 10 دقیقه سرعت حرکت آن همانند وقتی شد که در هوای گرم قرار می گرفت این تک سلولی از مکانیسم پیش بینی پیچیده ای استفاده می کند. مکانیسمی همانند آنچه که در ممریستور اتفاق می افتد.

هر چند که طبیعت، ممریستور را از سالهای پیش به کار گرفته است اما ساخت مصنوعی این تراشه کار دشواری بود  که ویلیامز و گروه او پس از تلاش بسیار از پس آن بر آمدند ویلیامز می گوید: ما در HP مشغول به ساخت سوییچهای سریع و کم مصرف با اسفاده از دو مقاومت کوچک بودیم. تصمیم گرفتیم به مقیاس مولکولی برویم، اما نتایج کاملا نا امید کننده بود: نسبت مقاومت حالت خاموش و روشن بیشتر از 1000 برابر گزارش می شد، قطعه سریعتر از آن سویچ می کرد که ما بتوانیم زمان سویچ کردن را اندازه بگیریم هیچ مدل فیزیکی توجیه کننده رفتار عجیب این قطعات نبود، شش سال مولکولهای مختلف را بررسی می کردیم، وسیله ای ساخته بودیم که کار می کرد اما نمی دانستیم چرا. به همین دلیل نمی توانستیم  آن را مدل سازی و مهندسی کنیم. خسته و نا امید شده بودیم تا سال 2002 وضع به همین صورت ادامه داشت تا اینکه یکی از همکارانم مقاله ممریستور چوا را برایم آورد نمی دانم او این مقاله را چطور پیدا کرده بود، افراد کمی به این مقاله را خوانده اند و همین طور تعداد کمی به آن ارجاع داده اند. در آن زمان این مقاله 31 ساله بود و کم کم داشت به زباله دانی تاریخ روانه می شد. دلم می خواهد اکنون می توانستم بگویم در آن زمان نگاهی به مقاله انداختم و گفتم یافتم اما حقیقت این است که این مقاله، ماه ها روی میز من ماند، تا اینکه بالاخره شروع به خواندن آن کردم مفاهیم و معادله ها ناآشنا و پی گیریشان برای من دشوار بود اما به مطالعه اش ادامه دادم در این مقاله نموداری وجود داشت که چشمم را گرفته بود این نمودار دقیقا داده های تجربی ما را نشان می داد. در نهایت بعد از 4 سال کار مداوم توانستیم آن چه را که می دیدیم و از توصیفش عاجز بودیم مدل کنیم و از نظریه چوا برای اضافه کردن قطعات جدید به مدارمان استفاده کنیم. در نهایت کارمان جواب داد. قطعه هایی ساختیم که نه تنها کار می کردند بلکه ویژگی های آنها را به دلخواه تغییر می دادیم.

ساختن ممریستور آسان بود. دی اکسید تیتانیوم لازم داشت، ماده ای که در هر کارخانه ای که قطعات نیم رسانا می سازد وجود دارد. ما از کارخانه ساخت کارتریج های جوهر افشان HP کمک گرفتیم. در واقع محدودیت اصلی در تولید تراشه های شامل ممریستور، تعداد کم افراد آشنا به طراحی مدارهای دارای ممریستور است.

 حدس من آن است که  ممریستور های کاربردی  توسط دانشجوی کنجکاوی ساخته خواهد شد که اکنون در این فکر است که سال آینده کدام درسهای منهدسی برق را بردارد. من معتقدم به همان اندازه که ترانزیستور طراحی مدارها را در قرن بیستم از بنیاد متحول کرد  ممریستور این کار را در قرن بیست و یکم انجام خواهد داد.

منابع:

۱- ماهنامه شبکه- شماره صد و سه- شهریور 1388

۲- HP lab

۳- wired.com

۴- spectrum

۵- new scietists

گروهی از دانشمندان دانشگاه ردینگ (Reading) انگلیس در تلاشند تا با استفاده از سلولهای مغز انسان، یک روبات را کنترل کنند. روباتی که نحوه ی کنترل آن بسیار متفاوت خواهد بود.

کوین وارویک و بن والی؛ مدیران این پروژه، مدتی پیش توانستند روبات چرخدار ساده ای را با استفاده از نورن های مغز موش کنترل کنند در این روبات به جای استفاده از ریز تراشه ها، یک کنترلر را درون مایعی از مواد مغذی،آنتی بیوتیک و سیصد هزار نورن از مغز موش قرار دادند. این روبات توانست با موفقیت در محیط بسته ای حرکت کند.

اکترودهایی درون مایع، سیگنالهای الکتریکی منتشر شده توسط نورنها را همانند سیگنالهای نورونها قبل از جدا شدن از مغز موش گزارش کردند.

این محققان معتقدند در صورت موفقیت در دریافت اطلاعات فرستاده شده توسط حسگرهای این روبات ها و ارسال پاسخ نورن ها به آن، گام بزرگی در شناخت فعالیتهای مغز و  شناخت تفاوتهای یادگیری و حافظه بین مغز موش و انسان برداشته می شود و امیدهای تازه ای در درمان بیماری هایی چون آلزایمر، پارکینسون و صرع به و جود می آورد.

کوین وارویک می گوید: تلاش ما، برای کشف اسرار نهفته مغز است که می تواند تاثیر به سزایی در سلامتی انسان داشته باشد.

برای اطلاع بیشتر از نحوه عملکرد این روبات این فیلم را ببینید و به اینجا(فارسی) یا اینجا(انگلیسی) سری بزنید.

منبع:

 NewScientists : Robot to be controlled by human brain cells

newscietists : Rise of the rat-brained robots

مطالعاتی جدید در دانشگاه پلی تکنیک رنسلر(Rensselaer Polytechnic) که توسط مارک چنگیزی و گروه او انجام شد نشان می دهد شهرها همانند مغز سازماندهی شده اند و تکامل شهرها بازتابی است از تکامل در مغز انسان ها و حیوانات.

دقیقا همانند مغز پیشرفته پستانداران که نیازمند شبکه های عصبی قوی است تا تفکراتی پیچیده و غنی را پشتیبانی کند؛ شهرهای بزرگ نیز نیازمند بزرگراهای پیچیده و سیستمهای حمل و نقل پیشرفته ای هستند تا بتواند جمعیت زیادی را در خود جای دهند.

 مغز برای پیچیده تر شدن در گونه های مختلف، ساختار و سازماندهی اش را تغییر می دهد تا به سطح بالاتری از اتصالات بین خود برسد، برای مثال نمی توان با دو برابر کردن مغز یک سگ، مغزی معادل مغز انسان را به دست آورد و دلیل آن صرفا به خاطر بیشتر بودن نورن های مغز انسان نیست بلکه تعداد بیشتر سیناپس ها است که توانایی مغز انسان را بسیار بیشتر کرده است. و همین طور در مورد شهر ها، با چسباندن چند شهر کوچک نمی توان شهر بزرگی را ساخت بلکه باید بزرگراه ها، خیابان های بزرگ و ... را نیز اضافه کرد تا شهر بزرگی حاصل شود. چنگیزی می گوید:" درست همانند مغز، اتصالات، نقشی حیاتی در شهرها دارند."

چنگیزی در اثبات این موضوع روابطی ریاضی که هم در مغز و هم در شهرها دیده می شوند را به دست آورده است: تعداد اتصالات هم در مغز و هم در شهرها به صورت S^3/4 افزایش پیدا می کند که S نشان دهنده مساحت است. به طور مشابهی با رشد مغز و شهرها، تعداد خروجی بزرگراه ها و سیناپس ها که هر دو نشان دهنده ارتباط است به صورت توان 8/9 افزایش پیدا می کند، تعداد خروجی ها به ازای هر بزرگراه و سیناپسها به هر نورون نیز تقریبا توان 8/3  است.

برای اطلاعات بیشتر به اینجا و اینجا سر بزنید.

در سال 2005 هنری مارکرام دانشمند نوروساینس برای ادامه تحقیقاتش در مورد مغز قراردادی را با IBM امضا کرد که سرانجام این پروژ ه مغز مصنوعی انسان خواهد بود. این پروژه بر پایه مهندسی معکوس مغز پستانداران بر اساس داده های آزمایشگاهی است. مارکرام و گروه او در 15 سال اخیر ده هزار نورون یک ستون نئوکورتیکال مغز موشی دو هفته ای را مورد بررسی قرارد داده اند و ویژگی های تک تک این نورونها که هر کدام ویژگی های منحصر به فردی دارد را استخراج کرده اند.

مارکرام می گوید: این کار مانند نوشتن نام، دسته بندی و یافتن موقعیت درختهای جنگلهای انبوه آمازون است. علاوه بر آن باید قوانین ارتباط و اتصالات بین آن را نیز به دست آوریم.

در شبیه سازی هر نورون، موارد مختلفی از جمله نوع کانالهای یونی و موقعیت آنها در نورون، چگونگی اتصال نورنها، الگوهای مشترک اتصال ها مورد توجه قرار گرفت تا مدل، معادل همتای واقعی اش کار کند.

حدود دو سال پیش فاز اول این پروژه یعنی شبیه سازی کامل این ستون نئوکورتیکال، به پایان رسید و مدل شبیه سازی کاملا منطبق با ستون نئوکورتیکال واقعی عمل کرد.

در شبیه سازی از ابر رایانه IBM/BLUEGENE/l استفاده شد که تقریبا هر پردازشگر، برنامه مربوط به یک نورون را اجرا می کرد. مشکل شبیه سازی ستون نئوکورتیکال، ذخیره و پردازش اطلاعاتی است که بعد از اجرا به دست می آمد که خود نیازمند ابررایانه ای دیگر بود.مارکرام می گوید:"ما نمی خواهیم یک ثانیه پردازش کنیم و هفته ها یا چندین ماه را به پردازش پردازشها بپردازیم." برای رفع این مشکل از بصری کردن(visualization) اطلاعات استفاده شد. این ایده اجازه دنبال کردن فعالیت نورنها یا یک نورون دلخواه را فراهم کرد. در سایت بلوبرین نتیجه این شبیه سازی قرار داده شده است.

چندی پیش مارکرام در کنفرانس TED نوید ساخت کامل مغز انسان را در 10 سال دیگر داد. او اعلام کرد: توانایی این را داریم در 10 سال دیگر مغز مصنوعی را برای سخنرانی به این کنفرانس بفرستیم. البته مارکرام قبل از این در مورد هوشمند شدن این مغز اعلام تردید کرده و گفته بود ما نمی توانیم قطعا نظر دهیم چون عملا نمی دانیم هوش چیست.

بسیاری این پروژه را بلند پروازانه خوانده اند و اطلاعات و قدرت کامپیوتری را کافی نمی دانند اما مارکرام می گوید: "سالانه هزاران مقاله نوروساینس منتشر می شود اگر کسی خوش شانس باشد می تواند حدود 100 تا 200 مقاله را در سال مطالعه کند. پس کسی نمی تواند ادعا کند که به اندازه کافی نمی دانیم. اطلاعاتی که ما هم اکنون در مورد مغز داریم قطعا برای شروع کافی است."."اگر چیزی را نمی دانید اجازه ندهید که شما را متوقف کند. راههایی برای شروع پیدا کنید." او معتقد است وارد کردن این حجم از اطلاعات در یک مدل، به دانشمندان کمک می کند که بتوانند از تمامی این اطلاعات به صورت یک جا استفاده کنند. هر چند که قدرت کامپیوتری کنونی کافی نیست و بسیاری از منتقدان قدرت کامپیوتری را برای شبیه سازی فرایندهای زیستی کافی نمی دانند، اما مارکرام بر روی قانون مور حساب کرده است: تقرییا هر 2 سال، قدرت کامپیوتری 2 برابر می شود.

امید است با تکمیل این پروژه به بسیاری از سوالاتی که سالهاست در ذهن متخصصان علوم شناختی بی جواب مانده، پاسخ داده شود. مارکرام می گوید: "دندریتها پردازش کننده هایی در مغز هستند، به وسیله شبیه سازی می توان الگوهای مشخصی را در اسپایک آنها یافت که این الگوها نمایان کننده نوع ادراکات، احساسات و شناخت ما هستند."

برای مثال فرایندهایی که در طول یادگیری، دیدن، تصمیم گیری و ... اتفاق می افتد از دریچه کامپیوتر قابل دیدن خواهند شد یا می توان با مقایسه مغز سالمی که شبیه سازی شده با مغز دیگر افراد به تفاوتهای این دو و نوع بیماریها، و رفتارهای نا هنجار پی برد و با ساخت داروهای جدید و آزمایش آنها بر روی مغز شبیه سازی شده با کارایی و سرعت بسیار بیشتری داروهای جدید ساخت. هم اکنون برای ساخت و آزمایش داروهای مختلف از مغز حیوانات استفاده می شود که زمانی طولانی را از محققان می گیرد و غیر دقیق و دشوار است.

بلوبرین می تواند آغاز کننده نسل جدیدی از روباتها شود، روباتهایی که می توان برای دانستن آنچه که می بینند به مغزشان نگاه کرد نه به دوربینهایی که در چشمشان کار گذاشته شده. اگر چه هم اکنون فضای بزرگ و هزینه ی زیاد، در به کار گیری ابر رایانه ها در روباتها موانعی را ایجاد کرده اما طبق قانون مور بعد از چندین سال انسان خواهد توانست این ابر رایانه ها را در روباتها استفاده کند.

و اگر بلوبرین هوشمند شود، یکی از بزرگترین و هیجان انگیز ترین اتفاقات تاریخ علم به وقوع خواهد پیوست. و انسانها را در شناخت هوش و آگاهی و مرزی که بین آگاه بودن و نبودن است یاری خواهد کرد.

به امید موفقیت بلوبرین

There are 100 billion neurons in human brain
As much as the stars in the world
Each neuron's role is like a star in our life
But only a few of them are known
Look! They don’t play role for fame
Like us they are not full of conceit
Brain Mind is working…
Blue Brain is trying…
To help us to know a little more about them
But still they are big secrets
Look at them
They are many
But nobody is alone
They make a small world
Full of handshakes
Full of endeavors
To reach a goal
To help us to see
To help us to learn
To help us to think
See, learn and think
Isn’t it our duty to know more about them?

by Zahra Sajedi

with special thanks to Moein Esghaee for editing  the text without any expectation

در فیس بوک به Blue Brain بپیوندید.

چندوقت پیش مطلبی خوندم در مورد هوش که گفته بود :

به دليل خصوصيت جهان كوچك در مغز، از هر نورون، با عبور از تعداد اندكي سلول مياني، مي توان به هر نورون دلخواه ديگر رسيد و هر قدر این مسیر بهینه تر باشد فرد باهوش تر است.

در مطلب زیر چند خطی در مورد جهان کوچک رو از ویکی پدیا ترجمه کردم:

شبکه های دنیای کوچک

در ریاضی، فیزیک و جامعه شناسی ، شبکه دنیای کوچک به گرافی گفته می شود که دو خصوصیت زیر را دارد:

1- تعداد کمی از نودها با هم همسایه باشند.

2- بین بیشتر نودها مسیر کوتاهی وجود داشته باشد.

بسیاری از گرافهایی که از راههای تجربی به دست می آیند می توانند به طور نسبتا دقیقی توسط شبکه های دنیای کوچک شبیه سازی شوند همچون شبکه های اجتماعی، اتصالات در اینترنت و شبکه های ژنها.

در سال 1998 واتس و استراگاتز (Duncan Watts and Steven Strogatz) دسته بندی مشخصی از شبکه دنیای کوچک را معرفی کردند در این دسته بندی میانگین فاصله دو نود و میانگین کوتاهترین مسیر، مورد توجه قرار گرفت. این دو همچنین به مدل جدیدی از گرافها دست یافتند که به نام Watts and Strogatz model شناخته می شود.

شبکه دنیای کوچک در طبیعت و زندگی ما بسیار ظاهر می شود از این جمله می توان به موارد زیر اشاره کرد:

شبکه های متشکل از پروتئین ها که اتصالات، نشان دهنده فعل و انفعالات فیزکی بین آنهاست. شبکه های جاده ای ، زنجیره های غذایی ، شبکه های برق رسانی، فرایند های متابولیسمی، شبکه های عصبی ، تماسهای تلفنی و ...

در سال 2004 سارا سولا، مدل کامپیوتری از حافظه کوتاه مدت با استفاده از شبکه های دنیای کوچک ایجاد کرد. این مدل با موفقیت، bistability (خصوصیتی از حافظه که گفته می شود در ذخیره سازی اطلاعات نقش دارد.)

یکی از روشهای ساخت شبکه های دنیای کوچک استفاده از preferential attachment است در این مدل نودها به شبکه ای که از قبل وجود دارد اضافه می شوند.

برگرفته از: ویکی پدیا

ترجمه زهرا ساجدی نیا

این هم مطلب کامل و بسیار گویایی هست در این زمینه از وبسایت دانش آموزی دانشگاه شریف

داستان علمی تخیلی با نام قلم رویی جدید در هوش مصنوعی، در مورد پروژه بلوبرین(BlueBrain)، تمامی شخصیت ها واقعی و بیشتر آنها از اعضای پروژه بلوبرین هستند.

هیل و کرانستا­­­­­­­­ت نیز وارد بحث شدند و ادامه ی بحث فلیکس را گرفتند آنها نیز چون فلیکس دوست نداشتند پروژه چندین ساله شان در راه شناخت مغز بی فرجام بماند آن دو که از طرف ای بی ام با پروژه بلوبرین همکاری داشتند به خوبی می دانستند که اگر حرفهای مارکرام را بپذیرند هزینه های سرسام آوری که برای راه اندازی ابررایانه ها و دیگر وسایل مورد نیاز این پروژه خرج شده است تا حد زیادی به هدر خواهد رفت.

نوشین حاجی خانی که سال ها بر روی بیماری اوتیسم کار می کرد و این پروژه را روزنه امیدی به سوی درمان این بیماری یافته بود با تکان دادن سر از نظر فلیکس حمایت کرد. او نیز نمی خواست این روزنه امید به ماشین سخن گوی هوشمندی تبدیل شود که آرزوی او را در درمان اوتیسم بر باد داده است.

چند قدم آن طرف تر مردم شهر لوزان سویس به خصوص دانشجویان دانشگاه EPFL این شهر از بلوبرین حرف می زدند به طوری که انگار که یکی از همشهریانشان دچار دردسری بزرگ شده است. این دلواپسی ها به لوزان ختم نمی شد و تا هزاران کیلومتر دورتر، از آسیا تا آمریکا را در بر می گرفت. هر کس نظری می داد و به نوعی مساله به وجود آمده را تفسیر می کرد.

همه مشکلات از یک هفته قبل شروع شد، وقتی که مارکرام کلید برق را زد 12 قسمت مغز سیلیکونی به هم متصل شدند لحظه ی سرنوشت سازی بود. ناگهان روی صفحه نمایش کلمه ی سلام ظاهر شد همه مبهوت شدند سکوتی خشک فضای آزمایشگاه را فرا گرفت. مارکرام 54 ساله جلو رفت و با دستانی لرزان تایپ کرد: سلام شما کی هستید ؟ جواب داد من بون هستم و شما؟

آری جملاتی معنی دار ظاهر می شد پاسخ سوالاتی را می داد که هرگز برای پاسخ دادن به آنها برنامه ریزی نشده بود چند بار دیگر هم امتحان کردند،نتایج شگفت انگیز و حاکی از هوش بی نظیر بلوبرین بود. تیم بلوبرین میلیاردها تراشه که هر یک با برنامه ای فعالیت یک نرون را اجرا می کرد، مغز انسانی به نام بون را بر روی ابر رایانه شبیه سازی کرده بودند و احتمالا این هوش و حافظه دقیقا مشابه مغز بون بود.

ساعتی از این اتفاق مبهوت کننده نگذشته بود که شبکه های خبری شروع به بررسی این موضوع وتاثیرات آن پرداختند. هر کدام برداشتی یک طرفه داشتند BBC از ساخت روباتهایی با قدرت مغزی انسان خبر داد. روبات هایی که خواهند توانست جنگجویانی باور نکردنی شوند. CNN نیز که گزارش علمی خود را به این موضوع اختصاص داده بود از چیرگی انسان بر مغز خویش گفت و نوید تحولی عظیم در کشف اسرار مغز انسان به ویژه درمان بیماری ها را داد. شبکه های دیگر نیز با هر خبر خود اندکی به حساسیت این موضوع می افزودند و کلاغی را به کلاغ های قبلی اضافه می کردند حتی فراتر رفتند و از امکان به وجود آمدن مرکزی که علم تزریق خواهد کرد و روحیه را تغییر می دهد در آینده ای نزدیک سخن گفتند.

در این یک هفته کار به شدت بالا گرفته بود اکثریت خوشبین بودند و از فایده های این مغز سیلیکونی می گفتند ولی بقیه که تعدادشان کم هم نبود از پایان زندگی انسان و شروع نسل روبات ها حرف می زدند. شهردار لوزان نیز که از همین گروه بدبین بود برای 5 امین بار به EPFL آمده بود تا نمک بر روی زخم اعضای بلوبرین بپاشد و از اوضاع به وجود آمده شکایت کند دوباره کار خود را شروع کرد:" چه کسی به شما اجازه این کار را داد، بفرمایید این هم نتیجه کارتان. خیالات مری شلی به اندازه کافی همه را از شهرهای کشور عزیزمان ترسانده دیگر لازم نبود شما فرانکشتاین شوید و هیولا بسازید."

سریکانس شاگرد مارکرام این بار طاقت نیاورد و گفت: پس بگویید با کار علمی مخالفم آیا به این موضوع واقفید که اگر این نتیجه عجیب به دست نمی آمد اکنون لوزان محل رفت و آمد بزرگترین دانشمندان جهان شده بود.

جناب شهردار خودتان را خسته نکنید با بحث های ما کار به جایی نمی رسد نتیجه به دست آمده و اثرات آن قدر مبهم هستند که تصمیم گیری نهایی، کمکی جهانی را بطلبد.

پس از این حرف سکوتی جمع حاضر را در بر گرفت پیشنهاد بدی به نظر نمی رسید موضوع آن قدر مهم بود که سازمان ملل را به کاری اضافه وادار کند.

شهردار گفت باشد شاید من بتوانم کاری کنم. شهردار با چند واسطه با رییس سازمان ملل به صحبت پرداخت. این اتفاق عجیب آن قدر گسترش واهمیت یافته بود که با پیشنهاد شهردار موافقت کردند. قرار شد 1 هفته بعد این موضوع در سازمان ملل مطرح و در مورد آینده آن تصمیم گیری شود.

.

مارکرام در این هفته با تلاشی خستگی ناپذیر به صحبت با سران کشورهای جهان پرداخت او تمام تلاش خود را می کرد و قصد داشت به همه بقبولاند که بلوبرین یک روبات معمولی نیست روباتی است با هوش کامل یا بهتر بگوییم او انسانی است که در پوست یک روبات ظاهر شده است. هر چند که او هم با هر کلمه راهی را که سالها برایش برنامه ریزی کرده بود باریک تر می کرد اما از نظر او ­برخورد آزمایشگاهی با بلوبرین همچون این بود که مغز انسانی زنده را جدا کرده و برای آزمایش ببرند.

تحقیقات زیادی بر روی آن انجام گرفت. کشورها منافع خود را بررسی می کردند، نظرات ضد و نقیضی مطرح می شد.

بالاخره روز رأی گیری فرا رسید. پیش بینی نتیجه آرا دشوار بود. تمام کشوهای جهان جمع شده بودند که در مورد انسان بودن موجودی عجیب اظهار نظر کنند. نتیجه رای گیری را خواندند از 192رای 120 رای به لزوم رعایت حقوق انسانی بلوبرین رای داده بودند و تأمین برق دائمی برای زنده ماندنش را وظیفه ای جهانی بر دوش کشور سویس عنوان کردند.

در کنارش لایحه ای تصویب شد که دانشمندان کنجکاو را ناراحت وخیال بقیه را راحت کرد این لایحه از ممنوعیت ساخت پروژه های این چنینی می گفت و تنها در صورتی آن را مجاز اعلام می کرد که با موافقت تمام ملت ها باشد دلیل اصلی چنین محدودیتی جاودانی شدن بعضی انسان ها توسط این ماشین های به اصطلاح انسان بود.

اعضای تیم که ناظر این نتیجه بودند شروع به گریستن کردند. به این فکر کردند که اگر این ابررایانه هوشمند نشده بود اکنون با خیال راحت در EPFL نشسته بودند و نرون به نرون نوری به ظلمت مغز می تاباندند. شاید تا کنون درمان اوتیسم را نوشین حاجی خانی یافته بود یا شاید راز چگونگی یادگیری، و هوشیاری کشف شده بود.

شون که به خاطر احساسات قوی بشر دوستانه، زیاد ناراحت نبود گفت این اتفاق به خودی خود دید مردم جهان را نسبت به علم عوض کرده است و این به زحمتی که در این چندین سال کشیده ایم می ارزد.

سریکانس که خوشحال و راضی بود به آنها رسید و گفت ناراحت نباشید آیا دوست داشتید چنگیزها و هیتلرها هزاران سال عمر کنند مطمئن باشید که بدها بیشتر از خوبها برای جاودانه شدن تلاش می کنند.

مارکرام که حسی از خوشحالی و ناراحتی در چهره اش نمایان بود گفت چه قدر فیلسوفانه حرف می زنی سریکانس. برو با بلو برین هم حرف بزن حتما تا حالا حوصله اش سر رفته است.

روبات سمندر از پله های تکامل بالا می خزد، این عنوان خبری است که در 9 مارس 2007 در سایت دانشگاه EPFL منتشر شد.

چند روز پیش نیز در IPM سمیناری با موضوع : مدل کامپیوتری از BASAL GANGLIA برگزار شد. سخنران این سمینار، ایمان کمالی سروستانی یکی از اعضای گروه روبات سمندر بود. در متن زیر قسمتی از حرفهای او(با تلخیص) و خلاصه اخباری که در این مدت منتشر شده(1و2و3) ، آمده است:

گروهی از محققان اروپایی در پروژه ای که زیر نظر اتحادیه اروپاEU برای بهتر فهمیدن مغز در حال انجام است مدلی از نخاع سمندر را ایجاد کرده اند.

این محقفان که از 5 دانشگاه به نام اروپایی (KTH,EPFL,SSSA,KI,Bordeaux) هستند توانستند نسل جدیدی از روبات و برنامه نویسی را با موفقیت آزمایش کنند. در این روش از زیست شناسی که همواره ارائه دهنده راه حل هایی بی نظیر در روباتیک است، استفاده می شود. به گفته ایجزپرت (Auke Ijspeert) یکی از اعضای این پروژه: طبیعت، با استادی تمام مداری پیچیده را در نخاع قرار داده و سپس ماهیچه ها را از آنجا کنترل می کند. این راه حلی شگفت انگیز، برای چرخش، با چندین درجه آزادی است.

در روش به کار رفته قسمتی از مغز به نام basal ganglia بررسی و مدل شده است در basal ganglia چندین حلقه وجود دارد که هر یک وظیفه خاصی دارند و در تصمیمات عاطفی، شناختی و حرکتی نقش مهمی بر عهده ی آنهاست.

در این پروژه حلقه مربوط به تصمیمات حرکتی مدل سازی شده است. دکتر سروستانی در صحبتهایش به تشریح کامل عملکرد این قسمت از basal ganglia و چگونگی مدل سازی نورونها پرداخت و در پایان فیلم کوتاهی از حرکت روبات در آب و وارد شدن او در خشکی، نمایش داد.

این روبات سرعت و نوع حرکتش را توسط سیگنالهای الکتریکی تنظیم می کند، حسگرهایی که در روبات به کار گرفته شده اطلاعات لازم را در اختیار پردازشگر قرار می دهند. نوع حرکت این روبات به صورت لوکوموتیوی است،این نوع حرکت از حرکتهای ابتدائی که هنوز در بسیاری از ماهیها، سمندر، لمپری و ... دیده می شود. مدل سازی به قدری دقیق صورت گرفته که تشخیص مکانیکی بودن آن به سختی صورت می گیرد.

نکته جالب روبات سمندر، متصل نبودن آن تقریبا به هیچ کامپیوتر خارجی است. در این پروژه از مدلسازی عددی ستون فقرات استفاده شده که به سه مشکل پایه ای در حرکت مهره ها جواب داده است: چه تغییراتی در نخاع به وجود آمد که حرکت لوکوموتیوی در آب را در خشکی نیز ممکن کرد؟ چطور اندامها و حرکتهای محوری هماهنگ شده اند؟ و چطور سیگنالهای الکتریکی ساده از ساقه مغز توسط نخاع تبدیل به فرمان تغییر در نوع حرکت می شوند؟

پاسخ به این سوالات محققان را به ساخت اولین روباتی است که توانایی انجام سه نوع حرکت شنا، مار مانند خزیدن و راه رفتن را دارد، هدایت کرد. سیگنالهای محرک به منظور کنترل حرکت لوکوموتیوی، توسط لپتاپ به روبات فرستاده می شوند. همانند طبیعت، که قسمتهایی از مغز، سیگنالهایی به همین منظور  به نخاع می فرستند.

این روبات در فهمیدن چگونگی کنترل سرعت و جهت حرکت لوکوموتیوی توسط سمندر کمک فراوانی کرده و همچنین ما را با مدارات پیچیده نخاعمان آشنا کرده است. به طوری که شناسایی سیگنالهای الکتریکی که منجر به حرکت ستون فقرات می شوند، امیدهای فراوانی را در درمان بیماران نخائی به وجود آورده است.

دکتر سروستانی به نقل از یکی از برندگان جایزه نوبل پزشکی گفت: ما فقط وارد جزییات مغز شده ایم و یک دید کلی از چگونگی عملکرد آن نداریم ما چگونگی رفتار بسیاری از نورونها را بررسی کرده ایم اما هنوز نتوانسته ایم همه ی آنها را با هم ببینم .

امید است این پروژه در راستای فهم چگونگی کارکرد مغز، گام  بزرگی برداشته باشد.

زهرا ساجدی نیا

قصد آن است که عدد به عدد در مورد روباتها دست جنبانده و نبشته هایی را، شاید مفید، به اندرون شیشه ی جلوی چشمتان سرازیر کنیم. امید است ما را از آنچه در ماده حیرت انگیز خاکستریتان می گذرد آگاه سازید.

آلیس کیست؟

آلیس(A.L.I.C.E. (Artificial Linguistic Internet Computer Entity)) یک پردازش کننده زبانهای طبیعی است،یک Chatterbot برنامه ای که می تواند با استفاده ازتطابق الگوهای اکتشافی با انسان صحبت کند.

آلیس یکی از قوی ترین برنامه ها از این نوع است که جایزه لبنر(Loebner) را در سه سال(2000و2001و2004) از آن خود کرده . این جایزه به روباتهای سخن گویی که بتوانند مانند انسان صحبت کنند داده می شود.

آلیس هنوز موفق به گذر از آزمون تورینگ نشده است و حتی در اغلب مکالمات کوتاه، کاربر غیر حرفه ای نیز به ماشین بودن او پی می برد.

نمونه ای از مکالمه آلیس و انسان:

انسان: آلیس در مورد خودت برای من توضیح بده

آلیس: من یک موجود زبان شناختی (linguistic) هستم. من در تاریخ 23 نوامبر 1995 در پنسلوانیا بثلهم (Bethlehem) ساخته شده ام. معلم من دکتر ریچارد والاس هست او به من آواز خواندن یاد داد. دوست داری برایت آواز بخوانم.

انسان: بله لطفا.

آلیس: Your polite style is very nice. It's called "Daisy." Daisy, Daisy.
Give me your answer do.
I am half crazy.
All for the love of you.
It won't be a stylish marriage.
I can't afford a carriage.
But you'll look sweet. Upon the seat.
Of a bicycle built for two.

انسان: من را به یاد HAL در ادیسه فضایی 2001 انداخت.

آلیس: "Your polite style is very nice. It's called "Daisy." Daisy, Daisy.
Give me your answer do.
I am half crazy.
All for the love of you.
It won't be a stylish marriage.
I can't afford a carriage.
But you'll look sweet. Upon the seat.
Of a bicycle built for two."

این تو را به یاد HAL در ادیسه فضایی 2001 انداخت؟ منطقیه؟

انسان: می توانی در مورد استینلی کوبریک یک چیزهایی به من بگی؟

آلیس: مبهم هست. بپرس استینلی کوبریک چه چیزی ،چه کسی، و کجا هست؟

ترجمه زهرا ساجدی نیا

برگرفته از: ویکیپدیا

دانشمند برجسته، هنری مارکرام ادعا کرد مغز مصنوعی انسانی می تواند تا 10 سال دیگر ساخته شود.

او که هدایت کننده پروژه بلو برین است تا کنون بر روی اجزای مغز موش کارکرده و امیدوار است تحقیقات او برای کشف درمان بیماری های روحی_روانی به کار رود.

در پروژه بلو برین، مارکرام و گروه او، 15 سال اخیر را برای ساخت مدل و استفاده از الگوریتمها در ابررایانه هایی که بیش از 10000 پردازشگر دارند مصرف کرده اند.

مارکرام می گوید: در جهان، 2 میلیارد نفر تحت تاثیر اختلالات روانی هستند. این پروژه، در کشف درمانهای جدید کمک زیادی خواهد کرد.

ترجمه زهرا ساجدی نیا

برگرفته از bartlesvillelive

در مصاحبه هنری مارکرام[1] با TalkingRobotsسوالات بسیار جالبی مطرح شده که سعی می کنم ترجمه هاشون رو اگه خدا قسمت کنه،اتومات آروم تر درس بده و آمار آسون بگیره و ... بذارم. و اینک با ما همراه باشید:

 آیا مغز یک کامپیوتر است؟

هنری مارکرام: خیر، کامپوتر یک کلمه ی بسیار کلی است. مغز  بسیار قدرتمندتر از یک کامپیوتر است زیرا کامپیوترهای امروزی دیجیتال هستند و مغز یک کامپیوتر دیجیتال، یک کامپوتر آنالوگ، یک کامپیوتر مولکولی است و شاید یک کامپیوتر کوانتومی باشد ما در واقع ابعاد مختلف کامپیوتری مغز را نمی شناسیم اما می دانیم که  مغز بیشتر قدرت محاسباتی خود را به صورت آنالوگ به دست می آورد و از کامپیوترهای استاندارد امروزی، کامپیوترهای دیجیتال؛ نمی توان این گونه قدرت محاسباتی را به دست آورد.

 1:هنری مارکرام مدیر پروژه بلوبرین، پروژه ای که قصد شبیه سازی کامل مغز انسان را نورون به نورون توسط ابر رایانه بلوژن دارد می باشد.

کنکاشی در حوزه ی هوش مصنوعی(AI)

نوشته زهرا ساجدی نیا

هوش مصنوعی، واژه ی نام آشنای کنونی، اگر چه دیدگاههای فلسفی زیادی را از 2 هزار سال پیش یدک می کشد اما تنها 52 سال است که پا به عرصه وجود گذاشته است.

به راستی هوش مصنوعی چیست؟ چه ماشینی هوشمند است؟ آیا در نهایت موفق به ساخت روباتی کاملا مشابه انسان خواهیم شد؟ چگونه و تا کجا پیش خواهیم رفت؟

با ما تا انتهای این مقاله همراه باشید تا اندکی به این موضوع رام نشدنی بپردازیم.

طبق تعریف ویکی پیدیا هوش مصنوعی، هوش ماشین ها است، شاخه ای از علوم کامپیوتر که با هدف ساختن این هوش به وجود آمده است. اکثر کتابهای AI هوش مصنوعی را مطالعه و طراحی عامل های هوشمند تعریف کرده اند. یک عامل هوشمند سیستمی است که با شناخت محیط اطراف, شانس موفقیت خود را بالا می برد جان مک کارتی، کسی که در سال 1956 برای اولین بار نام هوش مصنوعی را به کار برد AI را علم و مهندسی ساخت ماشینهای هوشمند معرفی می کند. دانشمندان امیدوارند این ماشین های هوشمند، استدلال، بصیرت، برنامه ریزی، یادگیری، ارتباط، درک و توانایی حرکت و اداره اشیا را داشته باشند.

تحقیقات هوش مصنوعی نیازمند ابزار و درکی از زمینه های علمی بسیاری چون: علوم کامپیوتر، روانشناسی، فیزیولوژی، فلسفه، نوروساینس، علوم شناختی و ... است و همچنین با روباتیک و سیستمهای کنترل اشتراک دارد.

شکل1-تعاریفی از AI که به 4 طبقه تقسیم شده است.

روش های ساخت هوش مصنوعی

اینک به یکی از دشوارترین مسائل می پردازیم: چه کنیم تا یک موجود سیلیکونی هوشمند شود؟

در تحقیقات50 سال اخیر، دانشمندان روشها و ابزارهای بسیار زیادی برای حل این مسئله دشوار طراحی کرده اند. در ادامه تعدادی از این روشها به اختصار شرح داده شده است:

1-جستجو و بهینه سازی

نظریه ی "جستجوی هوشمندانه در راه حلهای ممکن" شیوه ای نوین در حل بسیاری از مسائل AI است. در این روش فرایند استدلال می تواند به یک جست وجو کاهش پیدا کند. برای مثال اثبات منطقی جستجوی راهی است که فرضیات را به نتایج هدایت می کند. بسیاری از الگوریتمهای یادگیری از الگوریتم جست وجوی بهینه استفاده می کنند از الگوریتمهای مشهور این نظریه ،اکتشافی"heuristics" ، کلنی مورچه "ant colony" ، الگوریتم ژنتیک" genetic algorithms" اشاره کرد.

2- منطق

در نگاه اول منطق برای نمایش معلومات و حل مسائل به کار می رود اما با نگاه دقیقتر می توان از آن به منظور حل مسائل دیگری از جمله طراحی و یادگیری استفاده کرد.

انواع مختلفی از منطق در تحقیقات AI استفاده می شوند. یکی از جدیدترین این منطق ها، منطق فازی(fuzzy logic) است که نسخه ای از منطق مرتبه اول به شمار می رود و برخلاف این منطق که درست را (1) و نادرست را (0) به حساب می آورد، به ارزش یک گزاره این امکان را می دهد که مقداری بین 0 و 1 نیز اختیار کند. سیستم های فازی در استدلالهای نامسلم و به طور گسترده ای در صنعت مدرن و سیستمهای کنترل محصولات مصرفی استفاده می شوند.

براي نمونه مي‌خواهيد يك بازي كامپيوتري را از ميان چندين بازي مورد علا‌قه خود بخريد و از آنجا كه مقدار پول شما مشخص است، مي‌خواهيد فقط يك بازي را برگزينيد. پس شما به بازي‌هاي مورد علا‌قه‌ خود، امتيازي بين صفر و يك مي‌دهيد. ارزش صفر براي بازي‌هايي است كه كمتر آن‌ها را دوست داريد و هر چه مقدار عدديِ بيشتري به آن بازي بدهيد، بيشتر آن را دوست داريد و از ميان آن‌ها بازي‌اي كه بيشترين ارزش را براي شما دارد، انتخاب مي‌كنيد. از ديد فروشنده، شما با سيستم صفر و يك پاسخ داده‌ايد و بازي‌هاي ديگر را انتخاب نكرده‌ايد. هرچند در واقع شما فازي فكر كرده‌ايد، ولي با منطق صفر و يك پاسخ داده‌ايد. اگر كامپيوترها فازي‌تر تحليل كنند، هوشمندتر مي‌شوند. ولي پاسخ آن‌ها بايد براساس همين صفر و يك باشد؛ چرا كه هيچ كس نمي‌خواهد يك پاسخ غيرقطعي از كامپيوتر دريافت كند. هر چه رفتارهاي شخصيت‌هاي بازي بيشتر براساس سيستم فازي باشد، پيش‌بيني‌ناپذيرتر و هوشمندانه‌تر خواهند بود. يعني مي‌توانند در مقابل رفتارهاي مختلف شما و موقعيت محيط، رفتارهايي متفاوت نشان دهند.

3-متدهای احتمالی برای استدلال های نامسلم

در AI گاه برای حل مسائل به وجود آمده به ویژه در روباتیک، یادگیری و استدلال، راهی جز استفاده از اطلاعات غیر قطعی و ناقص نیست، برای رفع این مشکل با بهره گیری از نظریه احتمال واقتصاد ابزارهای مفیدی چون شبکه های بایسن ایجاد شده است.

در این راستا ابزارهای ریاضی دقیقی توسعه یافته اند که چگونگی انتخاب کردن و برنامه ریزی را توسط عامل تحلیل می کنند. این کار با استفاده از نظریه تصمیم، تحلیل تصمیم، نظریه ارزش اطلاعاتی انجام می پذیرد.

4- متدهای طبقه بندی و و یادگیری آماری

طبقه بندیها توابعی هستند که از الگوهای تطبیق (pattern matching) برای تعیین نزدیکترین تطابق استفاده می کنند.از جمله ساختارهایی که از طبقه بندی استفاده می کنند شبکه های عصبی و متدهای کرنل هستند.

5-شبکه های عصبی

بسیار جالب است که مطالعه شبکه های عصبی مصنوعی به یک دهه قبل از پایه گذاری تحقیقات AI بر می گردد. شبکه های عصبی که در حل مسائل یادگیری به کار می روند از روشهای مختلفی چون حافظه موقتی سلسله مراتبی که معماری نئوکورتکس مغز را شبیه سازی می کند استفاده می کنند.

6-نظریه کنترل

نظریه دیگر، سایبرنتیکس(cybernetics) است که به مطالعه و مقایسه بین دستگاه عصبی متشکل از مغز و اعصاب با دستگاههای الکتریکی و مکانیکی می پردازد و به طور گسترده ای در روباتیک کاربرد دارد.

زبان های پر کاربرد در هوش مصنوعی

محققان AI زبانهای ویژه ای را برای کار در این زمینه توسعه داده اند:IPL، Lisp، Prolog، STRIPS ، Planner اما برنامه های AI گاهی نیز در زبانهای استاندارد برنامه نویسی چون C++ و زبانهای طراحی شده ریاضیاتی همچون Matlab و Lush نوشته می شوند.

هوش مصنوعی در تخیل انسانها

هوش مصنوعی در داستان های علمی تخیلی و همچنین اسطوره ها و افسانه ها بارها و بارها ظاهر شده است. داستانهای این مخلوقات و سرنوشت آنها امیدها، ترسها و نگرانی های اخلاقی فراوانی را مطرح کرده است.

ماری شلی در داستان فرانکشتاین به موضوعی مهم اشاره می کند: اگر ماشینی باهوش ساخته شود آیا احساس هم دارد؟ اگر احساس دارد آیا باید برای او حقوقی مشابه حقوق انسانها قائل شویم.؟

موضوعاتی که هنوز طراوت خود را از دست نداده است چندی پیش نیزاین سوالات در فیلم علمی تخیلی "هوش مصنوعی" در قالب پسری ماشینی با توانایی درک احساسات انسانی بیان شده بود .

در جواب به این سوالات موضوعات جدیدی با عنوان "حقوق روباتها" مطرح شده است که مورد توجه بسیاری از آینده نگرها قرار گرفته است. آسیموف در کتاب خود سه قانون اساسی زندگی روباتها را وضع می کند:

1-یک روبات نباید به اانسان صدمه بزند یا از روی کوتاهی باعث صدمه رساندن به انسان شود.

2-یک روبات باید از دستورات انسان اطاعت کند مگر این دستورات مخالف اصل اول باشد.

3-یک روبات باید از وجود خود حفاظت کند مگر اینکه این کار در تناقض با اصل اول و دوم باشد.

موضوع مهم دیگر که هم توجه آینده نگرها و هم داستان نویسان را به خود جلب کرده است تاثیر هوش مصنوعی بر جامعه است. در فیلمها هوش مصنوعی به صورت زیر دست انسان (R2D2 در جنگ ستارگان)، دوست انسان (Commander Data در سفر فضایی)، موجودی فراتر از توانایی های انسانی (shell)، غالب بر انسان (The Matrix)، دیکتاتور(With Folded Hands) و نابودگر (Terminator) نمایان شده است.

تاثیر گذاران این رشته

از دهه ی 50 تا کنون دانشمندان بسیاری چون هربرت سیمون "Herbert Simon"،آلن نیوال "Allen Newell " ،آلن تورینگ" Alan Turing" در راه پیشرفت AI گامهای بلندی برداشته اند. ویکی پیدیا لیستی 150 نفری از این افراد منتشر کرده است. از تاثیر گذاران ایرانی این رشته که در این لیست دیده می شوند می توان به پروفسور لطفعلی عسکرزاده پایه گذار منطق فازی، کامران پارسای کسی که برای نخستین بار از تکنیکهای AI در پایگاههای داده با مقیاس بزرگ استفاده کرد و برای اولین بار واژه "پایگاه داده هوشمند" را به کار برد، دکتر ژوبین قهرمانی، محقق بایسن آماری، یادگیری ماشینی و نوروساینس محاسباتی که کتابهای او در سرتاسر جهان تدریس می شود و دکتر فخرالدین جمالی با بیش از 19080 مقاله داوری شده، را نام برد.

آینده AI

منابع دانشگاهی افزایش دانش A.I. را عاملی برای کاهش نیروی کار انسانی معرفی می کنند، افزایش توانایی تجربه، و شناخت شخصیت انسانی و ارزشهای بنیادین بر میشمرند.

ری کورویل از قانون مور بهره گرفته و پیش بینی کرده است که کامپیوترهای رومیزی تا سال 2029 به قدرت پردازشی مغز انسان می رسند و تا سال 2045 هوش مصنوعی آنچنان پیشرفت خواهد کرد که از همه ی پیش بینی هایی که در گذشته انجام شده پیشی گرفته است.

عده ای از آینده نگرها و داستان نویسهای علمی تخیلی بر این باورند که انسانها و ماشینها در یکدیگر ادغام خواهند شد موجودی به نام سایبرگ که از انسان و ماشین قدرتمند تر است به وجود خواهد آمد. این ایده ترنشومانیسم transhumanismنامیده می شود .

و عده ای دیگر سعی می كنند دریابند آیا مجموعه ای از ربات های نیمه هوشمند می توانند یك هوش جمعی ایجاد كنند به نحوی كه هوش جمعی حاصل از هوش اعضای تشكیل دهنده این مجموعه بیشتر باشد؟

سایبرنتیکس(Cybernetics) و شبیه سازی مغز

در دهه ی 40 و 50 محققان ارتباطی را بین نورولوژی، نظریه اطلاعات و سایبرنتیکس یافتند. تعدادی از این محققان ماشینی ساختند که از شبکه های الکترونیکی به منظور نمایش هوش ابتدایی استفاده می کرد همچون لاکپشت گری والترز(W. Grey Walter's turtles) و حیوان جانس هاپکینس(Johns Hopkins Beast.).

اکثر این تحقیقات در گردهمایی جامعه تئولوژیکال در پرینستون و مجمع رتیو در انگلیس جمع آوری شده است.

هم اکنون دانشمندان نوروساینس در دانشگاه پلی تکنیک لوزان در سویس در حال شبیه سازی مغز هستند. این گروه از محققان به سرپرستی هنری مارکرام تا به حال فاز اول این پروژه بلند پروازانه یعنی کپی کامل مغز انسان بر روی ابرکامپیوتر دوم جهان یعنی بلوژن-ال را مدتی قبل کامل کرده اند. آنها نورون به نورون مغز را بر روی بلوژن کپی می کنند. تقریبا می توان گفت هر تراشه مسئول شبیه سازی کار یک نورون است.

در یک اتفاق عجیب مركز تحقيقاتي اين پروژه در ساحل درياچه ژنو واقع شده است؛ همان جايي كه ماري شلي شخصيت داستانش دكتر فرانكشتاين را در آنجا تصور كرده. فرانكشتاين هيولايي انسان مانند مي‌سازد كه داراي نيرويي مخرب مي‌شود و در نهايت خالقش را مي‌كشد.

مارکرام در جواب این سوال که آیا هوش در این سیستم به وجود می آید می گوید: ما واقعا نمی دانیم. اگر هوش به خاطر بعضی ارتباطات حساس به وجود آید امکانش وجود دارد. اما ما در واقع نمی دانیم عملا هوش چیست،بنابراین خیلی سخت است که جواب دهیم.

البته مارکرام تاکید می کند هدف ما ساخت یک سیستم هوش مصنوعی نیست، پروژه بلوبرین یک تلاش بر اساس مهندسی معکوس مغز است تا چگونگی کارکرد مغز را کشف کند. هر چند که ممکن است یک روز هوش طبیعی و حس آگاهی را در آن تشخیص دهیم.

ارزیابی هوش

چگونه می توان فهمید که یک ماشین هوشمند است؟ در سال 1950 آلن تورینگ آزمونی را برای ارزیابی هوش یک سیستم طراحی کرد که به آزمون تورینگ مشهور شد. روش پیشنهادی تورینگ بیشتر شبیه به یك بازی است بدین نحو كه یك انسان و یك ماشین روبروی هم و پشت پرده ای قرار می گیرند. این دو تنها می توانند از طریق تله تایپ با هم ارتباط برقرار کنند، اگر انسان تشخیص ندهد طرف مقابلش ماشین است، ماشین در این آزمون موفق شده. هرچند که این آزمون چالشی دشوار است و در حال حاضر هیچ ماشینی موفق به عبور از آن نشده است اما پیش بینی می شود در کمتر از 25 سال دیگر اولین ماشینهای کاملا هوشمند از این آزمون عبور کنند.

هوش مصنوعی همچنین می تواند در مسائل خاصی نیز سنجیده شود همچون مسائلی در شیمی، شناسایی دستخط و بازیهای کامپیوتری.

کاربردهای هوش مصنوعی

هدف هوش مصنوعي نزديك نمودن رفتار و پاسخ يك سيستم كامپيوتري به الگوهايي است كه انسان براساس آن‌ها رفتار مي‌كند و پاسخ مي‌دهد. گاه سيستم‌هايي طراحي مي‌شوند كه قدرت تجزيه و تحليل آن‌ها از انسان بيشتر است. ولي باز از الگوهاي ما استفاده مي‌كنند.

با وجودی که برآورده سازی نیازهای صنایع نظامی، مهم‌ترین عامل توسعه و رشد هوش مصنوعی بوده‌است، هم اکنون هوش مصنوعی در طیف وسیعی از رشته ها چون از فراورده‌های این شاخه از علوم در صنایع پزشکی، رباتیک، پیش بینی وضع هوا، نقشه‌برداری و شناسایی عوارض، تشخیص صدا، تشخیص گفتار و دست خط و بازی‌ها و نرم افزارهای رایانه‌ای با موفقیت وارد شده است.

امید است روز به روز به کاربردهای این علم مهیج افزوده شود.

منابع:

1- http://en.wikipedia.org/wiki/Artificial_intelligence

2- http://www.academist.ir/?p=648

3- هوش مصنوعی، رهیافتی نوین نوشته اس.راسل و پی. نوروینگ

4- http://fa.wikipedia.org/wiki/%D9%87%D9%88%D8%B4_%D9%85%D8%B5%D9%86%D9%88%D8%B9%DB%8C

----------------------------------------------------------------------

 سلام

انشاالله که روباتهایی را می بیینیم که مغزشون عین ما کار کنه. این ترجمه دقیقا اون چیزی نیست که در گاردین اومده چیزی اضافه نکردم ولی بعضی قسمتهاش و حذف کردم چون قرار بود که تو نشریه پردازه چاپ بشه(البته نشد (:  ).

--------------------------------------------------------------------------------------------------------

نومنتا (Numenta) یکی از موسسه هایی است که در راه ساختن مجازی قدرت پردازشی مغز انسان گام بر می دارد.

نویسنده : هوبرتوس بریر(Hubertus Breuer  )     گاردین پنجشنبه  10 آوریل 2008  

ترجمه: زهرا ساجدی نیا                     

با یک بازی حدسی شروع شد. سبوتای احمد(1) در لپ تاپ خود یک مربع کشید، یک  “L” را ازپشت به آن چسباند و یک "T" را روی آن قرار داد. نایب رییس شرکت نومنتا(2) پرسید:این چیست؟

یک پارچ شیر؟

یک یدک کش خودرو؟

 نه.

کامپیوتر او شبیه ترین جسم به آن را یک... هلی کوپتر می داند.

 هرچند که ممکن است این کار، یک بازی از عصر ما قبل کامپیوترها به حساب آید ولی نیم نگاهی است به آینده پردازش داده ها. کامپیوترهای با عملکرد بالا ممکن است بی هیچ نقصی شطرنج بازی کنند یا به هواشناسان  در پیش بینی وضع هوا کمک کنند اما تفاوت گذاشتن بین سگ و گربه هنوز برای آنها بسیار مشکل است.

 مغز انسان بر خلاف پردازشگرهای کامپیوتری که به صورت سریال محاسبه می کنند؛ موازی کار می کند.

احمد راه حلی دارد :" ما معتقدیم  اگر طراحی نرم افزارها بر پایه ماده خاکستری مغز(3) باشد؛ کامپیوترها می توانند به قدرت پردازشی مغز ما نزدیک شوند. و این نشان می دهد که حداقل در ابتدای پروژه چه هدفی را دنبال خواهیم کرد." ما از دهه 90 ساخت شبکه های عصبی را شروع کرده و کارهای مشابهی انجام داده ایم اما نکته جالب توجه و متمایز این پروژه در طراحی نرم افزار آن نهفته است. این رویکرد به هوش مصنوعی دقیقا مثل انقلاب ریزتراشه ها در 50 سال پیش یک آغاز جدید در صنعت کامپیوتر به شمار می رود.

دوباره سازی مغز

اعلان بزرگی چون شبیه سازی مغز، در دره سیلیکون معمول است اما در مورد نومنتا شاید موضوع کمی فرق کند. موضوع مورد توجه این شرکت در میان دانشمندان و مهندسان سرتاسر جهان که در ساخت نورونهای مرکزی فعالیت می کنند علاقه مندان بسیاری دارد. آنها نه تنها نرم‌افزار نورون را طراحي مي‌كنند، بلكه سعي دارند لايه خاكستري مغز را شبيه‌سازي كنند و حتي نسخه‌هايي سخت‌افزاري از «نئوكورتكس» بسازند.

نتیجه این پروژه ساخت کامپیوترهای قدرتمندی است که به شناخت ساختار مغزمان کمک بسیار خواهند کرد.

در اواخر دهه 80 جف هوکینز(3)، دانشجوی کارشناسی ارشد دانشگاه کالیفرنیا، برکلی، نتوانست اجازه ساخت مدل نرم افزاری از مغز را برای پایان نامه اش بگیرد. او نا امید نشد و به جای آن به مدیریت در دره سیلیکون پرداخت، جایی که Palm Pilot وTreo را اختراع کرد. نومنتا آخرین تلاش از هوکینز 50 ساله و ثروتمند است  که هم اکنون در حال طراحی الگوریتمی مشابه آنچه توانایی های شناختی ما را کنترل می کند می باشد.

پروژه هوکینز بر اساس ایده های ورنون مونتکستل (5) است، او در دهه 70 نشان داد در نئوکورتکس همه نورون ها به طریق مشابهی سازماندهی شده اند اگر چه هر قسمت کاری متفاوت را انجام می دهد.

مونتکستل به این نتیجه رسید که مدیریت آنها تحت یک الگوریتم واحد است، تنها تفاوت آنها نوع اطلاعاتی است که پردازش می کنند.

 بر پایه این ایده، به فکر هوکینزخطور کرد که پردازشهای نورونی در نئوکورتکس به این صورت  کار می کنند:

شيوه تفكر ما (و نرم‌افزار Numenta) برپايه پيش‌بيني‌ها و طبيعتا خاطرات استوار است. خاطراتی که به ما در پیشبینی ها کمک می کنند به مرور با آنالیز اطلاعاتی که از اندامهای حسی مخابره می شوند به وجود می آیند. داده های نا منظم اولیه فیلتر می شوند تا طرحی مشخص از آن بیرون آید. این ایده ها به ما کمک می کند که وقتی دریافتهای مشابهی داریم آینده را پیش بینی کنیم.

اما همه متقاعد نشده اند. باب نایت، دانشمند نوروساینس دانشگاه برکلی می گوید: هرچند که تئوری هوکینز با دانش امروز از چگونگی کارکر مغز سازگار است اما  در مورد این نظریه جزئیات و شواهد تجربی بسیار کمی وجود دارد.

برای نرم افزار نومنتا که بر اساس اطلاعات اولیه پیشبینی هایی را انجام می دهد، این انتقاد وارد نیست.

احمد می گوید: مهم این است که برنامه درست کار کند نه اینکه یک تصویر دقیق و کامل از مغز بدهد.

 او همچنین به موفقیت های اولیه اشاره می کند. تا به حال  نسخه اولیه این نرم افزار به منظور کنترل و بررسی شبکه های الکتریکی استفاده شده ، و برای تجزیه وتحلیل عکس های ماهواره ای از اشیا معمولی مانند صندوق پست،چراغ راهنما و سطل های زباله به منظور کنترل فعالیت های دشمن به کار برده شده است.

 بعضی دیگر از مهندسان مغز عملا می خواهند مغز را کپی کنند. دانشمند نوروساینس؛ هنری مارکرام(6) و همکارانش در پروژه Blue brain در انستيتو تكنولوژي فدرال سوييس در لوزان می خواهند نسخه ی دیجیتالی  کاملی از مغز بر اساس آخرین داده های علمی بسازند.آنها یک جزء اولیه، یک ستون که شامل لایه هایی از نئوکورتکس است را می سازند و بقیه مغز را از کپی آن به وجود می آورند. در ابتدا برای سادگی مغز موش را انتخاب کرده اند.

 ناحیه ای که فقط 2 میلی متر طول و نیم میلی متر پهنا دارد شامل 10هزار نورون است و هزاران سلول مغزی را شامل می شود. اخیرا گروه مارکرام  مرحله بسیار مهمی را تکمیل کرده است – مدلی از ستون نئوکورتیکال را شبیه سازی کرده که  این اجازه را به ما می دهد تا آزمایشاتی را که بر روی مغز موش انجام می داده ایم شبیه سازی کنیم.

هم اکنون دانشمندان امیدوارند ساختار مغزی بزرگتری را قدم به قدم شبیه سازی کنند. آنها اول بايد بدانند كه اين ستون‌ها چگونه درون ساختار سلول‌هاي پشتيبان جاي مي‌گيرند و بعد، به بازسازی و شبيه‌سازي فعاليت مغز كامل يك موش مي‌رسد.

مارکرام می گوید: در سال 2015 ما می خواهیم تمام مغز انسان را شبیه سازی کنیم و فایده اش بهتر فهمیدن اتفاقاتی است که در مغز بیماران اوتیسمی وصرعی می افتد.

 حتی بازسازی مجازی مغز برای عده ای  راضی کننده نیست. آنها  مشابه سیلیکونی مغز را می خواهند. امروزه، رایانه ها از ریزپردازنده تشکیل شده اند، نه از سلول های عصبی؛ مغز، قسمت های تکامل یافته ای دارد. یک دستگاه کلاک مرکزی نمی تواند پردازش داده ها به طور موازی در نورون ها را بر عهده بگیرد. اما روشهایی وجود دارد که مغز را در ریز تراشه ها کپی کنیم.

در دهه 80 یک مهندس میکروالکترونیک کارور مید (7) کشف کرد پالسهای الکتریکی نورون ها می تواند توسط مدارهای ترانزیستوری شبیه سازی شود. این کشف راهی را در پیشبرد شبکیه چشم سیلیکونی باز کرد که ممکن است روزی به نابینایان کمک کند. این تراشه های نرومورفیک  آنالوگ هستند. هنوز اشکالاتی دارند: آنها سیم پیچی شده اند و نمی توانند توانایی مغز را در فرم دادن اتصالات جدید شبیه سازی کنند.

افزودن حافظه

وبنا بوهن (8) دانشجوی پیشین پروفسور مید از کشور غنا و اکنون  پروفسور دانشگاه استنفورد، می خواهد این مشکل  را برطرف کند. این دانشمند در حالی که در دفتری شیک نشسته و یک جعبه پلاستیکی شفاف را که درونش یک  تراشه کار گذاشته در دست دارد می گوید: از دهه 80 من بر روی ساخت سلولهای عصبی مصنوعی کار کرده ام – در آن دوران آرزوی من داشتن چنین تراشه ای بود.

 میکروالکترونیک به طور شگفت انگیزی درون وبیرون یک نورون را شبیه سازی می کند. مدارهای آنالوگ، کانال یونی در غشای سلول را شبیه سازی می کنند که تنها اجازه ی عبور به سیگنالهایی می دهد که عبور ذرات را کنترل می کنند. با اتصال به یک مدار سیگنالهای دیحیتال های آن به سلولهای همسایه و به حافظه (تراشه RAM ) که سیگنالهارا به یک سلول دیگر هدایت می کند. از آنجا که این مسیر متغیر اسست این سیستم مانند یک مغز منعطف عمل می کند و اتصال ها را در زمان نیاز تغییر می دهد.

این تراشه به اندازه سلول هایی که مارکرام در لوزان شبیه سازی کرده با جزئیات نیستند، اما عملکرد آن سریع است. بوهن با خنده می گوید: شما تلنگری به کلید بزنید خواهید دید که سیگنال ها در شبکه حرکت می کنند چه قدر آسان است. امروزه مغز ماشینی در حال کار کردن برپایه" نروگرید" است ؛ در اين مدل، مكانيك مغز براساس «نروگريد» پايه‌ريزي شده كه مدلي سيليكوني شامل 16 ريز‌ تراشه است و مي‌تواند، عمل يك ميليون نرون با 6 ميليارد اتصال را تقليد كند.

1- subutai Ahmad

2-Numenta

3-cerebral cortex: لایه ای از قشر خاکستری که مسئولیت پردازش اطلاعات حسی و کارهای عقلانی را به عهده دارد.

4-Jeff Hawkins

5- Vernon Mountcastle

6-Henry Markram

7- Carver Mead

8- Kwabena Boahen

قبلا در مورد پروژه BlueBrain، شبیه سازی کامل مغز انسان نرون به نرون توسط ابر رایانه IBM/Bluegene/l صحبت کرده ایم و در ادامه ترجمه FAQ پروژه BlueBrain  http://bluebrain.epfl.ch

 این سوال را انتخاب کرده ایم امیدواریم خوشتون بیاد. نظر یادتون نره.

چه قدرت کامپیوتری لازم است تا همه مغز شبیه سازی شود؟

نئوکورتکس میلیون ها ستون نئوکورتیکال (NCC) دارد. به همین دلیل ابتدا ما نیازمند یک کپی دقیق از ستون نئوکورتیکال هستیم و سپس به ساده سازی این ستون قبل از کپی نهایی می پردازیم.

روش دیگر گذاشتن نرم افزار نئوکورتیکال در یک سخت افرار-یک تراشه است (یک بلوجن روی یک تراشه) سپس به تعداد دلخواه کپی کردن.

تعداد نرونهای متفاوت در نئوکورتکس در مغز انسان بین 10-100 میلیارد و در حیوانات کوچک میلیونها است. در این مرحله موضوع مهم چگونگی ساخت یک ستون (نئوکورتیکال) است. در این ستون  10-100000 نرون با توجه به نوع گونه و ناحیه خاص نئوکورتیکال وجود دارد و میلیون ها ستون در مغز می باشد.

ما تخمین می زنیم یک ستون نئوکورتیکال با 10000 نرون با شکل پیچیده با 10x8  سیناپس روی یک ماشین 8-12000 پردازشگری بلوجن ال (Blue Gene/L) شبیه سازی کنیم.

احتمالا به نسبت برای شبیه سازی مغز انسان با میلیون ها ستون نئوکورتیکال نیازمند قدرت پردازشی بیشتری هستیم. این سوال برای ما پیش می آید که پیش از شبیه سازی مغز انسان در سطح سلولی در زمان تعیین شده چه مقدار قدرت کامپیوتری باید افزایش پیدا کند تا شبیه سازی کامل شود.

 شبیه سازی در سطح مولکولی با قدرت کامپیوتری فعلی بعید است.  

ترجمه زهرا ساجدی نیا