Uczynienie komputerów bardziej podobnymi do mózgu: naukowcy ze Stanford tworzą pierwszą sztuczną synapsę

Wieki ewolucji uczyniły ludzki mózg najbardziej wydajną energetycznie maszyną, jaka istnieje. Pomimo faktu, że ludzki mózg wytwarza tylko tyle energii elektrycznej, aby zasilić światło LED, może przenosić informacje z prędkością 268 mil na godzinę i ma przestrzeń dyskową, którą szacuje się na blisko 2.5 petabajta (2.5 miliona gigabajtów). Nic dziwnego, że naukowcy pracują nad stworzeniem komputerów naśladujących wydajność mózgu.  

Jak mózg się uczy? 

W ramach pionierskiego kroku w kierunku stworzenia komputera podobnego do mózgu zespół naukowców z Uniwersytetu Stanforda opracował w 2017 r. pierwszą sztuczną synapsę. Synapsa to obszar między dwoma neuronami. Za każdym razem, gdy uczymy się czegoś nowego, sygnały elektryczne przemieszczają się w dół jednego neuronu i powodują uwalnianie substancji chemicznych zwanych neuroprzekaźnikami. Neuroprzekaźniki przechodzą przez synapsę i wiążą się z receptorami na drugim neuronie, zasadniczo przekazując sygnał elektryczny. Najwięcej energii zużywa się przy pierwszym przejściu przez synapsę, ponieważ każde kolejne połączenie wymaga mniej energii. W ten sposób mózg skutecznie uczy się i zapamiętuje wszystko, czego się nauczył.  

Jak działa sztuczna synapsa? 

Sztuczna synapsa, zbudowana na wzór baterii i wykonana z materiałów organicznych, odtwarza proces uczenia się mózgu. Naukowcy nieustannie rozładowywali i ładowali sztuczną synapsę, aby naśladować sposób, w jaki połączenia neuronowe są wzmacniane przez uczenie się. Pozwoliło to naukowcom przewidzieć napięcie wymagane do wzbudzenia synapsy do określonego stanu elektrycznego. Po osiągnięciu tego punktu sztuczna synapsa pozostawała w tym stanie.   

Umożliwi to przyszłym komputerom przywołanie Twojej pracy bez żadnych dodatkowych działań. Rodzaje zadań, których oczekujemy od naszych urządzeń komputerowych, wymagają obliczeń naśladujących mózg, ponieważ używanie tradycyjnych komputerów do wykonywania tych zadań staje się naprawdę energochłonne. „Zademonstrowaliśmy urządzenie, które idealnie nadaje się do obsługi tych… algorytmów i które zużywa… mniej energii” — mówi A. Alec Talin, jeden z głównych autorów artykułu w ramach projektu.