კორნელის უნივერსიტეტის მკვლევრებმა შეიმუშავეს პროცესორი, რომელსაც უკვე „მიკროტალღური ტვინი“ შეარქვეს. გამარტივებული ჩიპი მუშაობს ანალოგური, და არა ციფრული, პრინციპებით. მას შეუძლია ერთდროულად და ზედმეტად სწრაფად დაამუშაოს მონაცემები მიკროტალღური კომუნიკაციის პრინციპების გამოყენებით.

ძალიან ხშირად ტვინის მუშაობას კომპიუტერის მუშაობას ადარებენ, მაგრამ მნიშვნელოვან მომენტს უშვებენ მხედველობიდან. ჩვენი ნეირონები მუშაობენ ნეიროჰორმონების, ნეირომედიატორების და ნეირონული კავშირების ანალოგურ კოქტეილზე, რომლებიც წარმოქმნიან ცნობიერების ფენომენს, თანაც საკმაოდ სავარაუდოდ, როგორც გვერდით პროდუქტს. კომპიუტერები კი ციფრულ ალგორითმებს იყენებენ. ეს არის მათი უპირატესობა და ნაკლი. მათი გადაპროგრამება შესაძლებელია, რაც ბევრად უფრო რთულია ჩვენი ტვინის შემთხვევაში. მაგრამ ანალოგური პრინციპების იმიტაციისთვის, ციფრულ სისტემებს დამატებითი, შუალედური ნაბიჯები სჭირდებათ. შესაძლოა, ეს პერიოდი უკვე წარსულს ბარდება.

ცნობიერება ანალოგურ პროცესორებზე?

ჩვენ მიჩვეული ვართ ლეპტოპებს, სმარტფონებს, ჭკვიან საათებს და ორობით კოდს, როგორც მოცემულობას. მაგრამ ეს მხოლოდ ერთი ტიპის კომპიუტერია. სინამდვილეში, როგორც ისტორიის ჭრილში, ასევე თანამედროვე სამყაროს ფარგლებში, მრავალი კომპიუტერი მუშაობს ანალოგურ პრინციპებზე.

დიახ, თანამედროვე გამოთვლითი სისტემების უმეტესობა ციფრულია. მათ საფუძვლად უდევს მილიონობით პაწაწინა გადამრთველი, რომლებიც დაკავშირებულია ლოგიკურ სქემებში. ისინი ამუშავებენ მონაცემებს, როგორც ერთიანებისა და ნულების თანმიმდევრობას. ანალოგური კომპიუტერები კი წარმოადგენენ ლოგიკური სისტემების მოდელებს, როგორც მატერიალურს, ასევე აბსტრაქტულს. მთავარია, რომ მათი გამოყენება შესაძლებელია გამოთვლებისთვის.

ანალოგური კომპიუტერის თვალსაჩინო მაგალითია მექანიკური საათი. ის ითვლის დროს ზამბარების, მექანიზმებისა და სასროლი მექანიზმის დახმარებით, რომელიც რეალურ სამყაროს მოდელირებს. სხვა მაგალითებია: ლოგარითმული სახაზავები, სიჩქარის მზომები, ვერცხლისწყლის თერმომეტრები და მრავალი სხვა.

ციფრული და ანალოგური სისტემები. დაპირისპირებიდან სიმბიოზამდე?

ისტორიაში ასევე არსებობდა მოწინავე ანალოგური კომპიუტერები, რომლებიც წყვეტდნენ რთულ განტოლებებს ღეროებისა და დგუშების დახმარებით, ასევე სისტემები, რომლებიც ეროვნულ ეკონომიკას მოდელირებდნენ მილებისა და რეზერვუარების ჰიდრავლიკური სისტემის გამოყენებით. ერთ-ერთი ასეთი კომპიუტერი, გამოშვებული 1947 წელს, შემუშავებული იყო ისე, რომ მისი აწყობა შესაძლებელი ყოფილიყო „მეკანოს“ კონსტრუქტორის გამოყენებით, რომელიც ხელმისაწვდომი იყო დამწყები კომპიუტერული ინჟინრებისთვის. და სულ ახლახან, ბევრი ელექტრონული კომპიუტერი იყენებდა ანალოგურ სქემებს მონაცემების დასამუშავებლად.

მაგრამ ახლა, როცა ციფრული კომპიუტერები ბატონობენ, რატომ ჩნდება ინტერესი ანალოგური სისტემების მიმართ? მიზეზი ანალოგური სქემების უპირატესობებშია. ისინი უფრო მარტივია, ვიდრე ციფრული და საშუალებას იძლევა თავიდან ავიცილოთ მრავალი ეტაპი, რომლებსაც ციფრული კომპიუტერები იყენებენ ამოცანების გადასაჭრელად. თუმცა ჰორიზონტზე უკვე ჩანს სერვერები, რომლებიც მუშაობისთვის ადამიანის ტვინს იყენებენ.

ანალოგური სისტემები ვიწრო სპეციალიზებულ ამოცანებს უფრო სწრაფად წყვეტენ, მოიხმარენ ნაკლებ ენერგიას, უკეთ უმკლავდებიან უწყვეტ ცვლილებებთან დაკავშირებულ ამოცანებს და რთულ სისტემებს. მათი უპირატესობა იმაში მდგომარეობს, რომ ისინი ფიზიკურ ქცევას ეფუძნებიან და, რადგანაც არ მოქმედებენ დისკრეტული რიცხვებით, შეუძლიათ მონაცემების დამუშავება პრაქტიკულად უსასრულო მნიშვნელობების დიაპაზონში. აქ გვახსენდება ძველი ტესტი გაჯეტებისა და კომპიუტერებისთვის: რამდენი დრო გავა ღილაკზე „ჩართვა“ დაჭერასა და უბრალოდ ტექსტის აკრეფის შესაძლებლობას შორის?

ანალოგური ნეიროჩიპი ხელოვნური ცნობიერების საფუძვლად?

ამჟამად კორნელის უნივერსიტეტში გაჩაღებულია მუშაობა მიკროტალღურ ტვინზე, რომელიც პოზიციონირებულია, როგორც პირველი სრულად ინტეგრირებული სილიციუმის მიკროჩიპი, რომელიც ფუნქციონირებს როგორც ნამდვილი მიკროტალღური ნეირონული ქსელი. ციფრულ ტექნოლოგიებზე უარის თქმით მიკროტალღების ანალოგური ფიზიკის სასარგებლოდ, მეცნიერებს შეუძლიათ გაამარტივონ ადამიანის ტვინის მიერ ნეირონების გამოყენების იმიტაცია გამოსახულებების ამოცნობისა და სწავლისთვის, მრავალი სასიგნალო დამუშავების ეტაპის გამორიცხვით, რომლებიც საჭიროა ციფრული კომპიუტერებისთვის.

ამასთან, ასეთი ჩიპი გაცილებით ნაკლებ ენერგიას მოიხმარს: ათობით გიგაჰერცის სიხშირეზე მუშაობისთვის საჭიროა დაახლოებით 200 მილივატი. გარდა ამისა, უსადენო სიგნალების ტიპების კლასიფიკაციის მისი სიზუსტე 88%-ს აღწევს.

ახალი ჩიპი ასევე გამოირჩევა საოცრად მცირე ზომებით, რაც საშუალებას იძლევა მისი გამოყენება ჭკვიან საათებსა და სმარტფონებში, რითაც გაჯეტებს ხელოვნური ინტელექტის შესაძლებლობებს ანიჭებს ღრუბლოვან სერვერებთან დაკავშირების საჭიროების გარეშე. გარდა ამისა, ეს ტექნოლოგია შეიძლება გამოყენებულ იქნას აღჭურვილობის უსაფრთხოების გასაუმჯობესებლად, უსადენო კომუნიკაციებში ანომალიების აღმოსაჩენად, ასევე სარადარო სადგურების მუშაობის გასაუმჯობესებლად და რადიოსიგნალების დეკოდირებისთვის.

ტრადიციულ ციფრულ სისტემებში, ამოცანების გართულებასთან ერთად, საჭიროა მეტი სქემა, მეტი სიმძლავრე და შეცდომების გამოსწორების მეტი შესაძლებლობა სიზუსტის შესანარჩუნებლად. მაგრამ ჩვენი ალბათობითი მიდგომის წყალობით, ჩვენ შეგვიძლია შევინარჩუნოთ მაღალი სიზუსტე როგორც მარტივი, ასევე რთული გამოთვლებისთვის დამატებითი ხარჯების გარეშე.
კვლევის ხელმძღვანელი ბალ გოვინდი.

ისე, ხუმრობები „ოჰ, ეს ნათურებზეა“ ჯერ გვერდზე გადავდოთ. კაცობრიობის ისტორიაში პირველად გაჩნდა იდეა ანალოგური სისტემების გამოყენების შესახებ ნეიროქსელების ტრენდის ფარგლებში. და ამ იდეას ჯანსაღი პოტენციალი აქვს.