جستجو
برای جستجو متن مورد نظر وارد کنید و Enter بزنید برای بستن Esc بزنید.
ارتباط با ما
09392116387
طی تحقیقاتی که با همکاری چندین دانشگاه و یک بیمارستان کودکان انجام گرفته است، دانشمندان با ترکیب بافتی شبیه به مغز و سخت‌افزار الکترونیکی توانستند یک سیستم محاسبه و تشخیص گفتار بسازند. این تحقیقات پیشرفت بزرگی در زمینه ساخت کامپیوتر‌های قدرتمند زیستی به حساب می‌آید و به گفته محققان ممکن است محدودیت‌های امروز هوش مصنوعی را برطرف کند.
به گزارش پیوست، کامپیوتر‌های زیستی که به عنوان نمادی از ترکیب جهان طبیعی و فناوری به حساب می‌آیند از اجزای بیولوژیکی مثل سلول‌ها، پروتئین‌ها و فرایند‌های بیوشیمی برای محاسبه استفاده می‌کنند. آنچه در این تحقیقات جدید برروی آن تمرکز شده نوعی از دستگاه‌های رایانش معروف به نرومورفیک (neuromorphic) یا عصب‌گون است و از سلول‌های مغز انسان برای یادگیری سریع‌تر و بهینه‌تر استفاده می‌کند.
به گفته فایننشال تایمز، مقاله‌ای در مجله نیچر الکترونیکس در همین رابطه می‌نویسد: «سخت‌افزار رایانشی الهام گرفته شده از مغز قرار است ساختار و چارچوب‌های کار مغز را شبیه‌سازی کند و می‌توان از آن برای رفع محدودیت‌های امروز تکنولوژی‌های هوش مصنوعی استفاده کرد.»
در این تحقیقات پژوهشگرانی از دانشگاه بلومینگتون ایالت ایندیانا، دانشگاه فلوریدا و کنتیکت، و مرکز درمانی اطفال کنتیکت برای ساخت سیستمی به نام «Brainoware» همکاری کردند. این سیستم از اندام‌گون مغز استفاده می‌کند که یک ساختار عصبی سه بعدی بر مبنای سلول‌های بنیادی انسان است.
این تیم برای ارسال محرک‌های الکتریکی به این اندام‌گون و خواندن فعالیت عصبی ناشی از آن از سخت‌افزاری کامپیوتری استفاده کرده است. این سیستم در نهایت توانست آواهای صدادار ژاپنی را تشخیص دهد و یک نقشه ریاضیاتی را پیش‌بینی کند.
محققان در یک آزمون زبانی وظیفه تشخیص هشت گوینده مرد ژاپنی که در ۲۴۰ کلیپ صوتی صدایشان ضبط شده بود را به Brainoware محول کردند. این سیستم پس از آموزش الگوریتمی خیلی سریع عملکرد خود را بهبود بخشید و توانست دقت خود در این وظیفه را از حدود ۵۱ درصد به تقریبا ۷۸ درصد افزایش دهد.
بیشتر بخوانید:
اینستاگرام به‌دلیل اعتیادآوربودن، زیر ذره‌بین اتحادیه اروپا می‌رود
در آزمون ریاضیاتی نیز محققان سعی داشتند سیستم را به پیش‌بینی یک نقشه هنون که نمادی از یک فعالیت بی‌نظم است مجاب کنند. در این مورد دقت Brainoware به نسبت شبکه‌های سیلیکونی کمتر بود اما در زمانی ۹۰ درصد کوتاه‌تر از رقبای فلزی خود آموزش دید.
البته محققان معترفتند که ده‌ها سال تا آموزش سیستم‌های زیستی و استفاده از آنها در جهان واقعی فاصله داریم اما آزمایش Brainoware پتانسیل بالای این حوزه را به رخ می‌کشد.
سه محقق از دانشگاه جانز هاپکینز، در نقدی که در مجله نیچر الکترونیکس روز دوشنبه منتشر شد، در این رابطه گفتند تحقیقات در حوزه رایانش بیولوژیکی احتمالا «چشم‌انداز‌های مهمی را در مکانیزم‌های یادگیری، توسعه عصبی و پیامد‌های ذهنی بیماری‌های زوال‌عصبی ارائه می‌کنند. در چند سال آینده، سیستم‌های عصبی پیشرفته‌تری را خواهیم داشت که می‌توانند با محیط‌های پیچیده مصنوعی که احتمالا پدیدار می‌شوند ارتباط بگیرند.»
ایمیل پشتیبانی: ReadyStudio.ir@gmail.com
