ذكاء اصطناعي مستوحى من الدماغ يتعلم في الوقت الحقيقي باستخدام طاقة منخفضة للغاية

الدماغ البشري هو أكثر الحواسيب الفائقة تقدمًا في العالم. يمكنه التعلم والتكيف في آن واحد دون الحاجة إلى مراكز بيانات ضخمة مثل أنظمة الذكاء الاصطناعي الحالية. هذا الشهر، قدم فريق من المهندسين من قسم الحوسبة والهندسة الكهربائية بجامعة تكساس إيه& م ومؤسسات رائدة أخرى نظام ذكاء اصطناعي مستوحى من الدماغ يمكنه تحقيق أداء أفضل وفتح الباب أمام بروتوكولات أكثر ذكاءً. إليك ما تحتاج إلى معرفته. 

حدود الذكاء الاصطناعي التقليدي وهندسة تورينغ

الذكاء الاصطناعي هو أحد أسرع الصناعات التقنية نموًا وإثارةً في العالم. خلال بضع سنوات قليلة، انتقلت خوارزميات الذكاء الاصطناعي من أن تكون متاحة فقط للمهندسين المتقدمين في جوجل ومايكروسوفت إلى أن تصبح أداة شائعة للشخص العادي. على طول هذه الرحلة، استمرت أنظمة الذكاء الاصطناعي في تحسين الأداء والقدرات. إلى جانب هذا التحسن في الأداء، حدثت أيضًا زيادة في قدرات الأجهزة. 

من الجدير بالذكر أن أنظمة الذكاء الاصطناعي تعتمد على هندسة تورينغ. سُميت هذه الطريقة في الحوسبة على اسم مخترعها، آلان تورينغ. فقد صاغ فكرة أن الحواسيب يمكن أن تقدم أداءً أفضل إذا تم فصل أجزاء معينة من عملياتها. 

هذا الهيكل يعني أن الحواسيب لديها المعالجة والذاكرة منفصلتان فعليًا داخل تصميم الرقاقة. وقد حكم هذا الفصل على تصميم الأجهزة منذ ذلك الحين. لا يزال رؤيته للحواسيب هي الأكثر استخدامًا على الرغم من مرور عقود على اكتشافه. 

أزمة الطاقة: لماذا يحتاج الذكاء الاصطناعي الحديث إلى مخطط جديد

المشكلة في هذا التصميم هي أن أنظمة الذكاء الاصطناعي تتطلب كميات هائلة من البيانات. في بعض الحالات، يلزم بناء مراكز بيانات كاملة من الصفر، باستخدام أحدث الأجهزة كجزء من متطلبات النظام. للأسف، هذا الهيكل غير مستدام.  (MSFT )

مراكز البيانات الكبيرة تستهلك طاقة هائلة يمكن أن تعادل استهلاك مدن بأكملها. في كثير من الحالات، تعتمد هذه الأنظمة على الطاقة المتجددة، مما ساعد على تقليل الأثر البيئي. ومع ذلك، فإن الطلب المتزايد على أنظمة الذكاء الاصطناعي يعني ضرورة تحسين الكفاءة لجعل هذه البروتوكولات مستدامة في المستقبل.

لماذا لا يمكن لنماذج الذكاء الاصطناعي اليوم التكيف في الوقت الحقيقي

بالإضافة إلى ذلك، يعني هذا الهيكل أن قابلية توسعة هذه البروتوكولات تعتمد على الأجهزة بدلاً من قيود البرمجيات. حتى أكثر الأنظمة تقدمًا لا يزال يتعين عليها الانتظار حتى تُرسل البيانات فعليًا بين مكونات الأجهزة على الجهاز. 

 تقديم ذكاء اصطناعي فائق تورينغ: مستوحى من الدماغ البشري

عيب آخر في أنظمة الذكاء الاصطناعي القائمة على تورينغ هو اعتمادها على نقاط بيانات محددة مسبقًا. نماذج اليوم لا توفر أي وسيلة لتعديل أدائها أثناء التشغيل. تعتمد هذه الأنظمة على البيانات المقدمة لإكمال عملية الانتشار العكسي. 

هذا النهج يختلف عن دماغك، الذي يستخدم مزيجًا من المعرفة والظروف البيئية لإجراء تقييمات دقيقة بكمية قليلة من الطاقة. ومن الجدير بالذكر أنه من المستحيل بيولوجيًا تكرار الانتشار العكسي لأنه سيتطلب أن يكون الشخص قد اختبر الموقف مسبقًا. إدراكًا لهذه الحقائق، سعى المهندسون لتطوير نظام ذكاء اصطناعي يحاكي التعلم البشري.  

كيف تتعلم المقاومات المشبكية مثل أدمغتنا

الدراسة “دائرة مقاومة مشبكية قائمة على HfZrO لنظام ذكي فائق تورينغ“¹ تقدم نظامًا عصبيًا اصطناعيًا يمكنه محاكاة طريقة تعلم الدماغ لتوفير قابلية التكيف في الوقت الحقيقي بناءً على الظروف. قدمت الدراسة مجموعة من الباحثين من جامعة كاليفورنيا لوس أنجلوس، وتكساس إيه& م، ومرافق بحثية أخرى ونُشرت في مجلة Science Advances. لتحقيق ذلك، أنشأ الفريق دائرة “سينستور” (مقاومة مشبكية) يمكنها التعلم مثل دماغك. 

المصدر – Texas A&M Department of Computer and Electrical Engineering

كفاءة شبيهة بالدماغ: ذكاء اصطناعي يستهلك ميكروواط وليس ميجاواط

يعترف المهندسون وراء هذه الدراسة بأن الدماغ البشري لا يزال متفوقًا على الذكاء الاصطناعي في العديد من الجوانب، مثل استهلاك الطاقة والمرونة. تسمح العمليات العصبية للدماغ بأداء وظائف جسدية معقدة مع التكيف في الوقت نفسه مع الظروف المتغيرة من حولك. 

من حيث كفاءة الطاقة، يحتاج الدماغ البشري فقط إلى حوالي 20 واط لتشغيله. بالمقابل، يمكن لأنظمة الذكاء الاصطناعي المتقدمة اليوم أن تستهلك ما يصل إلى مليار واط أثناء التشغيل. يأتي هذا الاستهلاك من مسارات المعالجة والمكونات، إلى جانب بنية أنظمة الذكاء الاصطناعي.  

 فهم اللدونة المشبكية في الذكاء الاصطناعي

بدأ المهندسون بدراسة اللدونة المشبكية في الأدمغة. يحتوي دماغك على ملايين الخلايا العصبية التي تشغل ذاكرتك وتعلمك. تُسمى مناطق التواصل حيث تلتقي الأعصاب بـ“المشابك”. تشير اللدونة المشبكية إلى قدرة الدماغ على تقوية الاتصالات التي تُستخدم بشكل متكرر. كما تشير إلى قدرة الدماغ على إنشاء مسارات جديدة عندما يُنظر إليها على أنها أكثر كفاءة. 

سر الدماغ: الانتقال بين وضعية تورينغ وفوق-تورينغ

من المثير للاهتمام أن الأدمغة يمكنها العمل في كل من وضعية تورينغ ووضعية فوق-تورينغ. أثناء حالة تشغيل تورينغ، سيستخدم دماغك المهام والإجراءات المتعلمة مسبقًا. عندما تظهر سيناريوهات غير متوقعة أو تتغير الظروف بطريقة غير قابلة للتنبؤ، ينتقل دماغك تلقائيًا إلى وضعية فوق-تورينغ. يتيح هذا النهج لدماغك التكيف دائمًا مع محيطك.

كيف يتعلم الذكاء الاصطناعي فائق تورينغ ويتكيف فورًا

يعتبر العلماء أن حالة “فوق-تورينغ” هي جوهر القدرات الفريدة للدماغ. استخدموا هذا الهيكل لإعادة تصور بنى الذكاء الاصطناعي، متخيلين تدفقًا تشغيليًا أكثر شبيهاً بالإنسان حيث يحدث التعلم والاستدلال في آن واحد. 

تقلل هذه الاستراتيجية استهلاك الطاقة بشكل كبير. إن إلغاء الحاجة إلى نقل كميات هائلة من البيانات عبر مكونات الأجهزة يقلل من الاستهلاك ويحسن الأداء. كما يدعم التكيف في الوقت الحقيقي مع خفض استهلاك الطاقة إلى مستويات منخفضة جديدة.

داخل السينستور: الدائرة الفيروإلكترونية التي تحاكي التعلم البشري

في صميم هذه الدراسة تكمن إنشاء دائرة حسّاسة شاملة قادرة على المعالجة والتعلم والتشغيل بسلاسة في آن واحد. صَنَعَ الفريق دائرة من السينستورات القائمة على Hf0.5Zr0.5Ο2 كجزء من دراستهم.  

تتميز هذه الدائرة المصممة خصيصًا بمقاومات مشبكية تدمج مواد فيروإلكترونية من HfZrO. ومن الجدير بالذكر أن المواد الفيروإلكترونية، مثل أكسيدات Hf، تمنح المهندسين القدرة على إنشاء ذاكرة تماثلية غير متطايرة ومتوافقة مع سيليكون وقابلة للتوسع. 

محاكاة الطائرة بدون طيار: الإنسان مقابل الذكاء الاصطناعي مقابل السينستور

قام الفريق بإعداد محاكاة طيران بطائرة بدون طيار وجعل الذكاء الاصطناعي التقليدي، والإنسان، ونظام الذكاء الاصطناعي فائق تورينغ يتنقلون في المحاكاة لاختبار نظريتهم. قبل أي اضطراب أو عوائق، تعلمت دائرة السينستور، والمشغلون البشريون، والشبكة العصبية الاصطناعية بنجاح قيادة الطائرة نحو موقع الهدف دون أي مشاكل أو تأخيرات. 

ومع ذلك، عندما أضيفت الأشجار أو الرياح القوية إلى المعادلة، انخفض أداء جميع الأطراف. على وجه التحديد، أكمل الإنسان ونظام الذكاء الاصطناعي المدعوم بالسينستور المهمة. بينما فشل نظام الذكاء الاصطناعي التقليدي في التكيف مع البيئة الجديدة ولم يكمل الاختبار بسبب انخفاض أدائه نتيجة العوائق المضافة.

قابلية التكيف للذكاء الاصطناعي في الميدان: نتائج مسار العقبات للدرون

أظهرت الدراسة أن دوائر المقاومة المشبكية التي طورها المهندسون تدعم أنظمة ذكاء اصطناعي فائق تورينغ فعّالة وقابلة للتكيف يمكنها التنقل في بيئات واقعية غير مؤكدة وديناميكية. فحصوا لماذا استطاع فقط الإنسان والطائرة المدعومة بالسينستور إكمال المسار. كان نجاحهما نتيجة قدرتهما على التكيف الفوري. 

لماذا تُعد دوائر السينستور خطوة قفزة إلى الأمام في الذكاء الاصطناعي المستدام

هناك عدة فوائد يمكن أن يجلبها نظام الذكاء الاصطناعي القائم على دائرة السينستور إلى السوق. أولاً، سيفتح الباب أمام خيارات ذكاء اصطناعي أكثر تقدمًا وقدرة. ستكون هذه البروتوكولات قادرة على الاستدلال والتعلم المتزامن في الوقت الحقيقي، مما يشكل خطوة نحو بروتوكولات الذكاء الاصطناعي من الجيل التالي. 

صديق للبيئة: تستخدم بنية نظام الذكاء الاصطناعي للمهندسين جزءًا صغيرًا من الكهرباء المطلوبة لتشغيل بروتوكولات الذكاء الاصطناعي التقليدية. يتيح هذا الاستخدام المتجدد للطاقة لأنظمة الذكاء الاصطناعي المستندة إلى السينستور أن تدعي لقب أكثر بنية ذكاء اصطناعي صديقة للبيئة للبيانات. مع زيادة الطلب على هذه الخدمات، سيزداد أيضًا الحاجة إلى خيارات مستدامة. 

الكفاءة: نجح المهندسون في إنشاء نظام يحاكي الدماغ البشري. يقلل نهجهم من متطلبات الطاقة عبر جميع أنظمة الذكاء الاصطناعي ويسمح لهذه الأنظمة بتحسين استهلاك الطاقة عند تنفيذ أو تدريب نماذج جديدة. 

القابلية للتكيف: إحدى الفوائد الرئيسية لهذا الهيكل هي قابليته للتكيف. تحتاج أنظمة الذكاء الاصطناعي إلى أن تصبح أسرع وأكثر تكيفًا للتعامل مع العدد المتزايد من المهام الموكلة إليها. من قيادة سيارتك الكهربائية إلى تحديد الأغاني التي تريد سماعها، ستأخذ الأنظمة المستقبلية في الاعتبار بيئتها كجزء من عمليات المعالجة. 

التطبيقات المستقبلية: ذكاء اصطناعي شبيه بالدماغ في السيارات، والملابس القابلة للارتداء، والتقنية العسكرية

يمكن لنظام الذكاء الاصطناعي المستوحى من الدماغ أن يحدث ثورة في الصناعة. فهو يمنح المهندسين آفاقًا لتطوير ذكاء اصطناعي مستدام وقد يدعم إنشاء الأنظمة الذاتية المتقدمة للغد. ستجد هذه التقنية أيضًا طريقها إلى الروبوتات، والملابس القابلة للارتداء، والقطاع الطبي.  

الحوسبة المتقدمة: من المتوقع أن نرى أنظمة ذكاء اصطناعي متقدمة تستخدم هذه التقنية قريبًا. سيؤدي انخفاض استهلاك الطاقة إلى تقليل تكاليف التشغيل لهذه الأنظمة، مما يجعلها خيارًا جذابًا مقارنة بالحالة الراهنة. بالإضافة إلى ذلك، مع تحسين تصميم شريحة السينستور، سيزداد الاعتماد عليها. 

العسكرية: العسكرية هي واحدة من أكبر الداعمين للذكاء الاصطناعي. يمكن لأنظمة الذكاء الاصطناعي المساعدة في التتبع، والاستهداف، والتخطيط، واللوجستيات، مما يعزز القدرات التشغيلية لأي جيش يستخدمها. في المستقبل، ستشاهد أنظمة ذكاء اصطناعي تشغّل الذخائر المعلقة المتقدمة والطائرات بدون طيار وتساعد المخططين على الحفاظ على الوعي بالموقف. 

المركبات الذاتية القيادة: إحدى السيناريوهات الأساسية لاستخدام الذكاء الاصطناعي المتقدم هي قيادة المركبات الذاتية. لقد كان حلم السيارات الذاتية بالكامل بطيئًا في الانتشار، لكن التطورات الأخيرة جعلت الرؤية أقرب من أي وقت مضى. سيساعد هذا الاختراق الأخير للذكاء الاصطناعي على تحسين الأداء وفتح الباب أمام مركبات ذاتية أكثر تقدمًا قادرة على الطيران وأكثر. 

ستساعد هذه التقنية يومًا ما في جعل المجتمعات أكثر أمانًا وتسهيل مهامك اليومية. ومع ذلك، لا يزال هناك بعض التفاصيل والعقبات التي يجب أن يتغلب عليها التقنية قبل أن تصبح سائدة. على الرغم من العوائق، يُقدّر أن الاعتماد التجاري المحتمل سيظهر خلال 5–10 سنوات، مع تطبيقات أقرب للمدى القصير في مهام الذكاء الاصطناعي منخفضة الطاقة المتخصصة. 

التعرف على فريق البحث وراء هذا الاختراق في الذكاء الاصطناعي

تعاون مهندسون من قسم الحوسبة والهندسة الكهربائية بجامعة تكساس إيه& م وجامعة كاليفورنيا-لوس أنجلوس لإظهار هذه الدراسة. على وجه التحديد، قاد البحث جونغمين لي، راهول شينوي، وأثارفا ديو. 

حصلوا على مساعدة فريق من المهندسين، بما في ذلك سون يي، داوي جاو، ديفيد تشياو، مينغجيه شو، شيفا أسابو، زيكسان رونغ، دورهفا ناثان، يونغ هي، دارما بالادوجو، جيان-قو تشنغ، ج. جوشوا يانغ، ر. ستانلي ويليامز، تشينغ وو، ويونغ تشين. وتجدر الإشارة إلى أن الدراسة تلقت تمويلًا من مكتب القوات الجوية للبحوث العلمية. 

 الزاوية التجارية: كيف تدفع NVIDIA وغيرها الذكاء الاصطناعي النيورومورفيكي قدمًا

سباق الذكاء الاصطناعي مستمر، وتنفّذ الشركات المتنافسة مليارات الدولارات لمحاولة السيطرة على القطاع. الطبيعة المزعزعة نسبيًا للذكاء الاصطناعي تخلق فرصًا جديدة لشركات مثل OpenAI لتظهر من العدم وتضمن موقعًا متقدمًا في السوق. بينما من الصعب جدًا تحديد من سيكون اللاعب الجديد في القطاع، من السهل رؤية من هيمنت على السوق خلال السنوات القليلة الماضية.  

NVIDIA Corporation

NVIDIA (NVDA ) دخلت السوق في عام 1993 ومقرها في كاليفورنيا. أصبحت شركة بطاقات الرسوميات ثلاثية الأبعاد الشهيرة عالميًا رائدة في تصميم ASIC وغيرها من الابتكارات على مر السنين. ساعدت هذه الترقيات الشركة على إعادة تموضعها من شركة بطاقات رسومات ألعاب إلى أحد أكثر الأسماء شهرة في قطاع الذكاء الاصطناعي.

 لم يمر صعود NVIDIA دون أن يلاحظه أحد. شهد سهمها نموًا كبيرًا، وفي يونيو 2024، وصلت الشركة إلى قيمة سوقية قدرها 3 تريليون دولار. اليوم، NVIDIA رائدة في أجهزة الذكاء الاصطناعي النيورومورفيكي والحدود الطرفية. وبالتالي، تظل مشاركة بعمق في تصميم كفاءة استدلال الذكاء الاصطناعي والهياكل المستوحاة من الدماغ. ينبغي لأولئك الذين يبحثون عن سهم ذكاء اصطناعي موثوق ومثبت أن يجروا المزيد من البحث حول NVIDIA. 

لإلقاء نظرة أقرب على NVIDIA، تأكد من الاطلاع على تسليط الضوء الخاص بنا على هذه العملاقة الصناعية.

آخر المستجدات حول NVIDIA Corporation

مستقبل الذكاء الاصطناعي: الذكاء الطبيعي، المصمم صناعيًا

فتح المهندسون وراء هذه الدراسة مستوىً جديدًا في قدرة الذكاء الاصطناعي. سيسمح تصميم شريحتهم الجديد للذكاء الاصطناعي بتطوير خوارزميات أسرع وأكثر ذكاءً. ستقود هذه الأنظمة يومًا ما تقريبًا كل مكون في حياتك. في الوقت الحالي، أظهرت هذه الأبحاث كيف يمكن للعلماء أن يستلهموا من الطبيعة والجسم البشري لدفع الابتكار إلى آفاق جديدة.. 

تعرّف على مشاريع ذكاء اصطناعي أخرى الآن.

الدراسات المرجعية:

^{1. Lee, J., Shenoy, R., Deo, A., Yi, S., Gao, D., Qiao, D., Xu, M., Asapu, S., Rong, Z., Nathan, D., Hei, Y., Paladugu, D., Zheng, J.-G., Yang, J. J., Williams, R. S., Wu, Q., & Chen, Y. (2025). دائرة مقاومة مشبكية قائمة على HfZrO لنظام ذكي فائق تورينغ. Science Advances, 11(9), eadr2082. https://doi.org/10.1126/sciadv.adr2082}