Yarı İletken Beyin Yapılabilir mi?
Geçmişte bilgisayarlar, sayılarla işlemler yapma konusunda üstün başarı sağlarken, insan iletişimini anlama veya deneyimlerini öğrenmede tam bir başarı gösteremiyorlardı . Bilim insanları bu konuda başarı sağlayabilmek için nöromorfik çipleri kullanmaya başladı. Bu yazımızda, nöromorfik çipleri ve yapılan son çalışmaları ele aldık.
25.08.2019 tarihli yazı 8493 kez okunmuştur.
Bilgisayarlar, beynimizden çok daha farklı şekilde düşünür. İnsan iletişimini anlama veya deneyimlerden öğrenme gibi alanlarda kararlı bir şekilde basit dönüşler gerçekleştirir. Ancak, sayılarla işlemler yapma gibi işler söz konusu olduğunda oldukça başarılıdırlar. Bilim insanları, insan zekasına uygun bir beyni simüle etmek istiyorsa, daha iyi yapı taşları ile başlamak zorundadır.
2000'li yılların başından günümüze kadar, deneysel ve teorik sinir bilimdeki donanım ve gelişmeler, araştırmacıların beyin ile ilgili daha büyük ve daha ayrıntılı modeller oluşturmasını sağladı. İnsan beyninde 85 milyar nöron bulunmaktayken , 2012 yılında, Kuzey Kaliforniya’daki IBM Almaden Araştırma Merkezi’nde bir bilgisayar uzmanı olan Modha Dharmendra tarafından, 500 milyar nöronun aktivitesini taklit etmek için güçlü bir süper bilgisayar kullanıldı. Modha, kemirgenlerin ve kedilerin beynini inceleyerek, insan beynine benzeterek yaklaşık 10 yıl çeşitli çalışmalarda bulundu.
Çalışmaların doruk noktası olan simülasyonda, muazzam hesaplama kaynakları kullanıldı. Bu kaynaklar arasında; 1,5 milyon işlemci ve 1,5 petabayt (1,5 milyon gigabayt) bellek bulunuyor. Ancak; hala beynimizin çalışma hızından 1,500 kat daha yavaş olduğu tespit edildi. Üretilen silikon nöronların, biyolojik sisteminin kurulup gerçek zamanlı olarak çalıştırılması durumunda, Hoover Barajı'nın maksimum üretim kapasitesinin yaklaşık 6 katı olan 12 gigawatt enerji gerektireceği tahmininde bulunuldu. Kullanılan tüm kaynaklara rağmen ortaya çıkan sonuç, yaklaşık 20 watt'lık bir ampulle aynı miktarda güç kullanan insan beyninin işlevselliğine yakın bile değildi.
2000'li yılların başından günümüze kadar, deneysel ve teorik sinir bilimdeki donanım ve gelişmeler, araştırmacıların beyin ile ilgili daha büyük ve daha ayrıntılı modeller oluşturmasını sağladı. İnsan beyninde 85 milyar nöron bulunmaktayken , 2012 yılında, Kuzey Kaliforniya’daki IBM Almaden Araştırma Merkezi’nde bir bilgisayar uzmanı olan Modha Dharmendra tarafından, 500 milyar nöronun aktivitesini taklit etmek için güçlü bir süper bilgisayar kullanıldı. Modha, kemirgenlerin ve kedilerin beynini inceleyerek, insan beynine benzeterek yaklaşık 10 yıl çeşitli çalışmalarda bulundu.
Çalışmaların doruk noktası olan simülasyonda, muazzam hesaplama kaynakları kullanıldı. Bu kaynaklar arasında; 1,5 milyon işlemci ve 1,5 petabayt (1,5 milyon gigabayt) bellek bulunuyor. Ancak; hala beynimizin çalışma hızından 1,500 kat daha yavaş olduğu tespit edildi. Üretilen silikon nöronların, biyolojik sisteminin kurulup gerçek zamanlı olarak çalıştırılması durumunda, Hoover Barajı'nın maksimum üretim kapasitesinin yaklaşık 6 katı olan 12 gigawatt enerji gerektireceği tahmininde bulunuldu. Kullanılan tüm kaynaklara rağmen ortaya çıkan sonuç, yaklaşık 20 watt'lık bir ampulle aynı miktarda güç kullanan insan beyninin işlevselliğine yakın bile değildi.
►İlginizi Çekebilir: Dünyanın İlk 1000 Çekirdeğe Sahip İşlemcisi
Geleneksel bilgisayar çiplerinin yapısını ve işlevini yöneten kurallar, beynimizden oldukça farklıdır. Modha'nın insan beyni simülasyonları, geleneksel bilgisayar donanımının son derece güçlü bir birleşimi olan Lawrence Livermore Ulusal Laboratuarı'nın Blue Gene / Q Sequoia süper bilgisayarında yapıldı. Bu simülasyonda, tırnak büyüklüğünde milyonlarca transistörden oluşan birçok geleneksel bilgisayar çipi kullanıldı.
Nöromorfik çipler, beynin mimari yapısını geliştirir. Nöronun çalışma potansiyeline benzer bir sistem kullanarak birbirleriyle iletişim kurması sağlanır. Nöromorfik çiplerde kulllanılan iletişim sistemi, çok az güç tüketilmesine ve çok büyük ölçekli sistemlere döşendiklerinde bile güç tasarrufunda kalmalarını sağlar. Ontario'daki Waterloo Üniversitesi'nde teorik bir sinir bilimci olan Chris Eliasmith'e göre; bilgisayar çiplerinde en büyük avantaj ölçeklenebilirliktir. Eliasmith'in ''Beyin Nasıl Yapılır?'' adlı kitabında, geliştirdiği Spaun adında işleyen bir beynin büyük ölçekli bir modeli anlatılmıştır. Eliasmith, Spaun'un ilk versiyonunu, 2.5 milyon nöron ve en iyi geleneksel yongalarla çalıştırıldığında bile biyolojik nöronlardan 20 kat daha yavaş çalıştığını tespit etti.
Eliasmith'in bazı simülasyonları, dijital nöromorfik donanım konusunda gerçekleştirdiğinde ise; güç açısından yaklaşık 50 kat daha fazla verimli olduğu bulunuldu. Nöromorfik platform, Eliasmith'in daha fazla nöronu simüle etmesiyle daha verimli hale geldi. Beyinlerin, solucan beynindeki 300 nörondan insan beyninin 85 milyar kadarına kadar nöron sayısının büyüdükçe güç ve verimin arttığı görüldü.
Eliasmith'in bazı simülasyonları, dijital nöromorfik donanım konusunda gerçekleştirdiğinde ise; güç açısından yaklaşık 50 kat daha fazla verimli olduğu bulunuldu. Nöromorfik platform, Eliasmith'in daha fazla nöronu simüle etmesiyle daha verimli hale geldi. Beyinlerin, solucan beynindeki 300 nörondan insan beyninin 85 milyar kadarına kadar nöron sayısının büyüdükçe güç ve verimin arttığı görüldü.
Nöromorfik yongaların, karmaşık hesaplama işlemleri yapma becerisini kullanırken; çok az güç tüketmesi teknoloji endüstrisinde dikkatleri üstüne çekti. Bu ilgi sonucunda, nöromorfik yongaların potansiyel ticari uygulamaları sırasında; güç tasarruflu süper bilgisayarlar, daha düşük güç kullanarak çalışan sensörler ve kendi kendine öğrenebilen robotlar bulundu. Biyologların aklındaki uygulama ise; insan beyninin tamamen işleyen bir kopyasını oluşturabilmekti.
Geliştirilen çipler, araştırmacılar tarafından; bireysel nöronların ve sinapsların ayrıntılı modellerini oluşturmak için kullanıldı. Ayrıca; birimlerin, daha büyük beyin alt sistemleri oluşturmak için nasıl bir araya geldiğini deşifre etmek için de çalışmalar yapıldı. Çipler; görme, işitme ve koku alma işlemlerinin gerçek donanım üzerinde nasıl çalıştığına dair teorilerin test edilmesine olanak sağladı. En büyük hedef ise; beynin bileşenlerinin birlikte nasıl düşünce, duygu ve hatta bilinç oluşturmak için çalıştığını bulabilmekti. Bu hedefi gerçekleştirebilmek için; teorik, deneysel ve hesaplamalı sinirbilimcilerin yanı sıra bilgisayar bilimcileri ve mühendisler de ekip halinde çalışmaya başladı.
Silikon Nöron Çiplerin Mimarisi
Nöromorfik donanım, hayvan sinir sistemlerinin mimarisinden yola çıkarak tasarlanılır. Karar verilen mimariye göre; biyolojik sinir hücrelerinin, hareket potansiyellerine yön verilir. Bu mimari, donanımın çok daha az güç tüketmesine imkan sağlar. Beyin simülasyonlarının, geleneksel yongalardan daha hızlı çalışmasına olanak tanır.
Biyolojik nöronlar, karışık analog-dijital sistemlerdir. Hareket potansiyelleri, dijital donanımın ayrık atımlarını taklit eder. Aynı zamanda, bir nörondaki voltaj seviyelerinin iletilen bilgiyi etkilemesi bakımından da analogdur. Analog nöromorfik yongalar, biyolojik nöronların fiziksel davranışlarına çok benzeyen silikon nöronlara sahiptir. Ancak, analog yapıları da ilettikleri sinyalleri daha az hassas hale getirir.
Biyolojik nöronlar, karışık analog-dijital sistemlerdir. Hareket potansiyelleri, dijital donanımın ayrık atımlarını taklit eder. Aynı zamanda, bir nörondaki voltaj seviyelerinin iletilen bilgiyi etkilemesi bakımından da analogdur. Analog nöromorfik yongalar, biyolojik nöronların fiziksel davranışlarına çok benzeyen silikon nöronlara sahiptir. Ancak, analog yapıları da ilettikleri sinyalleri daha az hassas hale getirir.
Caltech bilimcisi Carver Meadtarafından, 1980'lerde nöromorfik terimi, modern bilgisayar çiplerinin yapı taşları olan dijital transistörlerin aksine, analog transistörlerin nöronların biyofiziğini daha yakından yansıttığı fark edildi. Mead ve meslektaşlarının çalışmalarına ilgi duyan Giacomo Indiveri, doktora sonrası araştırmalarını 1990'ların ortalarında Caltech'te yapmaya karar verdi. Şimdi İsviçre'deki Zürih Üniversitesi'ndeki nöromorfik bir mühendis olan Indiveri, Mead'in düşük akım analog devreleri kullanma yaklaşımını sürdüren az sayıdaki araştırma grubundan birini yönetiyor. Indiveri ve ekibi tarafından çiplerin yerleşimi tasarlanıyor.
Bu ekip tarafından nöron çiplerin düzeni tasarlandıktan sonra, tasarım bir dökümhaneye e-postayla gönderilir. Çipler yapıldıktan sonra sonuç, kabaca bir akıllı telefon çipine benzer. Ancak; elektrik düğümlerini birkaç düğümden geçiren bir nöron ağı gibi çalışır. Bu analog nöromorfik yongalarda sinyaller, yoğunluklarında değişiklik gösterebilen gerçek voltaj yükselmeleri yoluyla iletilir. Bu iletişim sisteminin çıktısı bir nörofizyoloğa gösterilirse, bunun bir silikon nörondan mı yoksa biyolojik bir nörondan mı geldiğini bizlere söyleyemecek kadar gerçeğe benzetiliyor.
Beyin nöronları, herhangi bir emir geldiğinde hazır olacak şekildedir. Diğer taraftan geleneksel yongalar, çoğunlukla, katı bir iç saatin kontrolü altındadır. IBM ve Intel gibi şirketler, biyolojik nöronların özelliklerini benzetmeye çalışarak silikon nöronları kopyaladılar. Silikon nöronlarda sivri uçlar ne şekilde olursa olsun, sistem mesajı yalnızca iletiler belirli bir eşiğe ulaştığında iletilecek şekide dizayn edildi.
Beyin nöronları, herhangi bir emir geldiğinde hazır olacak şekildedir. Diğer taraftan geleneksel yongalar, çoğunlukla, katı bir iç saatin kontrolü altındadır. IBM ve Intel gibi şirketler, biyolojik nöronların özelliklerini benzetmeye çalışarak silikon nöronları kopyaladılar. Silikon nöronlarda sivri uçlar ne şekilde olursa olsun, sistem mesajı yalnızca iletiler belirli bir eşiğe ulaştığında iletilecek şekide dizayn edildi.
Modha, TrueNorth adlı IBM'in nöromorfik yongasını tasarlarken, önce farklı beyin bölgelerinin insanlarda birbirine nasıl bağlandığını gösteren beynin uzun mesafeli kablo bağlantı şemalarını analiz etti. Bu şemalar ile uzun mesafeli bağlantı, kısa mesafeli bağlantı ve nöron ve sinaps dinamikleri hakkında bilgi edinilmeye başlandı. Modha, bu çalışmalarının sonucunda , 2011 yılına kadar solucan beyniyle aynı ölçekte 256 silikon nöron içeren bir çip yarattı. Bu çipler, geleneksel çiplerden yüz kat daha az güç tüketiyordu. En son çip üretim tekniklerini kullanan Modha, çipi küçültmek için nöronları daha sıkı bir şekilde paketledi. Bu çiplerin 4,096'sının birlikte döşenmesi ile 1 milyon sentetik nöron içeren 2014 TrueNorth yaratılmış oldu.
İnsan beyninde bulunan 85 milyar nöronlar yaklaşık 1 katrilyon sinaps ile birbirine bağlıdır. TrueNorth gibi nöromorfik yongalar da, memeli hayvanların beyninde görülenlere benzer şekilde yapay nöronları arasında çok yüksek bir bağlantı derecesine sahiptir. Fakat TrueNorth, 1 milyon nöronunu birbirine bağlayan 256 milyon sinaps içermesi ile biraz daha basit bir yapıya sahipti. Ancak ;Modha tarafından, birden fazla TrueNorth yongası bir araya getirilerek, iki büyük sistem yaratıldı. Biri 16 milyon nöron ve 4 milyar sinaps, diğeri ise 64 milyon nöron ile 16 milyar sinaps içermekte.
Bu nöromorfik yongalar, biyolojik sinir sistemlerinin; birbirine çok bağlı ve yükselen niteliklerini devamlı olarak kopyalarlar. İşlemcilerini ve hafızasını ayrı konumlarda tutan geleneksel bilgisayar yongalarının aksine, nöromorfik yongaların her biri çok sayıda küçük işlemci barındırır. Bu işlemciler ile oluşturulan modeller insan beyninde olduğu gibi, nöronların aynı anda hem veri depolama hem de veri işlemeyi gerçekleştirmesini sağlar. Böylece, bu çiplerle oluşturulmuş modeller insan öğrenmesini ve hafızasını daha iyi takit eder.
Çeşitli kurumlardaki 200'den fazla araştırmacı, şu anda TrueNorth'a ücretsiz olarak erişebiliyor. Eğer bu çalışmalara sizler de ilgileniyorsanız; IBM ve Intel tarafından geliştirilen yongalardan, Avrupa Birliği İnsan Beyin Projesinin bir parçası olarak oluşturulan iki yongaya kadar bugünkü nöromorfik sistemlerin birçoğu, simülasyonlarını yürütmek için uzaktan erişebilecek araştırmacılar için de sunulabiliyor.
Bu nöromorfik yongalar, biyolojik sinir sistemlerinin; birbirine çok bağlı ve yükselen niteliklerini devamlı olarak kopyalarlar. İşlemcilerini ve hafızasını ayrı konumlarda tutan geleneksel bilgisayar yongalarının aksine, nöromorfik yongaların her biri çok sayıda küçük işlemci barındırır. Bu işlemciler ile oluşturulan modeller insan beyninde olduğu gibi, nöronların aynı anda hem veri depolama hem de veri işlemeyi gerçekleştirmesini sağlar. Böylece, bu çiplerle oluşturulmuş modeller insan öğrenmesini ve hafızasını daha iyi takit eder.
Çeşitli kurumlardaki 200'den fazla araştırmacı, şu anda TrueNorth'a ücretsiz olarak erişebiliyor. Eğer bu çalışmalara sizler de ilgileniyorsanız; IBM ve Intel tarafından geliştirilen yongalardan, Avrupa Birliği İnsan Beyin Projesinin bir parçası olarak oluşturulan iki yongaya kadar bugünkü nöromorfik sistemlerin birçoğu, simülasyonlarını yürütmek için uzaktan erişebilecek araştırmacılar için de sunulabiliyor.
Kaynak:
►the scientist
►humanbrainproject
►the scientist
►humanbrainproject
YORUMLAR
ANKET
- Dünyanın En Görkemli 10 Güneş Tarlası
- Dünyanın En Büyük 10 Makinesi
- 2020’nin En İyi 10 Kişisel Robotu
- Programlamaya Erken Yaşta Başlayan 7 Ünlü Bilgisayar Programcısı
- Üretimin Geleceğinde Etkili Olacak 10 Beceri
- Olağan Üstü Tasarıma Sahip 5 Köprü
- Dünyanın En İyi Bilim ve Teknoloji Müzeleri
- En İyi 5 Tıbbi Robot
- Dünyanın En Zengin 10 Mühendisi
- Üretim için 6 Fabrikasyon İşlemi
- Nasıl Dönüşür I Elektrik 4.0
- Nasıl Dönüşür I Fosil Yakıt
- Nasıl Dönüşür I Kompost
- Sigma DIN Rayı Çözümleri: Ürün Portföyü, Teknik Özellikler ve Kullanım Alanları
- Denizcilik Endüstri Uygulamaları ve Servis Bakım Süreçleri
- DrivePro Yaşam Döngüsü Hizmetleri
- Batarya Testinin Temelleri
- Enerji Yönetiminde Ölçümün Rolü: Verimliliğe Giden Yol
- HVAC Sistemlerinde Kullanılan EC Fan, Sürücü ve EC+ Fan Teknolojisi
- Su İşleme, Dağıtım ve Atık Su Yönetim Tesislerinde Sürücü Kullanımı
Aktif etkinlik bulunmamaktadır.