شركة IBM تختبر رُقاقةً الكترونيةً جديدةً مستوحاةٌ من الدماغ في مجال التعلم العميق !
تعدُّ برمجيات التعلم العميق جزءاً مهماً من ثورة الذكاء الصنعي الحديثة، والتعلم العميق إذا أردنا تعريفه بأبسط صيغة فهو حقلٌ جديدٌ في مجال تعلم الآلة لتقريب هذا التعلم باتجاهٍ واحدٍ. أحد أهدافه الأساسية هو الذكاء الصنعي، ويدور حول تعليم مستويات عديدة من التمثيل والتجريد في سبيل تحقيق فهمٍ أكبر للمعطيات والبيانات كالصور والنصوص ومقاطع الفيديو.وفي الوقت الذي وظف بعض عمالقة التكنولوجيا مثل جوجل وإنتل جزءاً كبيراً من مواردها في سبيل إنشاء وتطوير رقائق حاسوبية أكثر تخصصاً مصممة للتعلم العميق فإن شركة IBM قد قامت باختبار الرقاقة الحاسوبية (TrueNorth) المستوحاة من الدماغ البشري كمنصة للتعلم العميق.
وتعتمد قدرات التعلم العميق القوية على خوارزميات تدعى (شبكات التلافيف العصبونية) والتي تتكون من طبقاتٍ من العقد القادرة على تصفية كمياتٍ هائلةٍ من البيانات من خلال طبقاتها العميقة لتخرج بطريقة أفضل ومثال على ذلك التمييز التلقائي للوجوه البشرية الفردية أو فهم اللغات المختلفة، وهي أنواعٌ من قدرات الخدمات الالكترونية التي تقدمها شركات من أمثال جوجل - فيسبوك - أمازون - مايكروسوفت.
وقد نشرت IBM ورقة عملها في 9 سبتمبر 2016 وذلك ضمن وقائع مجلة الأكاديمية الوطنية للعلوم، وقد تم تمويل هذا البحث من قبل وكالة حماية مشاريع البحوث المتقدمة (DARPA) في الولايات المتحدة، وشكل هذا التمويل جزءاً من برنامجها للمعالج الرامي لمحاكاة العقل البشري، والتي يمكن بها تمييز الأنماط المعقدة، والتكيف مع البيئات المتغيرة.
وضعت IBM النموذج المبدئي لهذه الشريحة عام 2011 ولذلك فإن TrueNorth سبقت ثورة التعلم العميق التي تقوم على أساس التلافيف العصبونية والتي ظهرت ابتداءً من عام 2012.
لتحقيق الدقة في مهام التعلم العميق فإن الشبكات العصبونية الشائكة عادة ما تقوم بدورات متعددة من المعالجة لإيجاد متوسط نتائج الخرج وهذا ما يبطئ بشكلٍ فعالٍ الحساب الإجمالي في مهام عديدة مثل التعرف على الصور ومعالجة اللغة.
وقد ينظر خبراء التعلم العميق عموماً إلى الشبكات العصبونية الشائكة على أنها غير فعالة على الأقل بالمقارنة مع شبكات التلافيف العصبونية من أجل أغراض التعلم العميق، وقد انتقد يان لاكين وهو مدير أبحاث منظمة العفو الدولية في فيسبوك ورائد في مجال التعلم العميق في وقت سابق رقاقة TrueNorth لأنها تدعم بشكل أساسي تقنية الشبكات العصبونية الشائكة، حيث إن تصميم TrueNorth قد يدعم بشكلٍ أفضل أهداف الحوسبة المحاكية للأعصاب والتي تركز على محاكاة وفهم الأدمغة البيولوجية بشكلٍ دقيقٍ.
ولجعل شريحة TrueNorth مناسبةً أكثر لأغراض التعلم العميق فإن IBM قد طورت خوارزميةً جديدةً تمكن شبكات التلافيف العصبونية من العمل بشكلٍ جيدٍ على الأجهزة الخاصة بالحوسبة العصبية ، وبهذا النهج حققت IBM ماتعتبره التقنية الأحدث، حيث دقة التصنيف تعتمد على ثماني مجموعات من البيانات التي تنطوي على رؤية ومخاطبة التحديثات ووجدوا بذلك مابين 65% إلى 97% دقة في أحسن الظروف.
ونجح الاختبار على هذه الشريحة أيضاً في معالجة مابين 1200 - 2600 إطار فيديو في الثانية وهذا يعني أن شريحةً مفردةً منها قادرةٌ في الزمن الحقيقي على أن تكشفَ الأنماط من ما يقارب 100 كاميرا في وقت واحد ، على فرض أن تستخدم كل كاميرا 1024 بكسل (32 * 32) وتدفق بياناتٍ بمعيار التلفاز بمعدل (24 لقطة في الثانية ).
على مايبدو أن الباحثين في IBM متحمسون لاستمرار اختبار هذه الشرائح للتعلم العميق ويأملون في اختبارها على مايسمى التعلم العميق غير المقيد، الذي ينطوي على إدخالٍ تدريجيٍّ للقيود على الأجهزة أثناء تدريب الشبكات العصبونية بدلاً من تقييدها من البداية.
إن شريحة TrueNorth ليست فقط قادرةٌ على تنفيذ شبكات التلافيف التي لم تصمم لها أصلاً ،ولكنها تدعم أيضاً مجموعةً متنوعةً من أنماط الاتصال (كردود الفعل والتغذية الراجعة) ويمكنها تنفيذ مجموعةٍ واسعةٍ من الخوارزميات الأخرى في وقتٍ واحدٍ.
ويقول الباحثون أن رقائق الحوسبة العصبية كهذه سوف تستخدم بشكلٍ متسارعٍ من قبل صانعيها في تطوير رقائق أكثر تركيزاً على تطبيقات التعلم العميق العملية وأقل تركيزاً على المحاكاة البيولوجية.
