Sinirsel işlem sürecini taklit eden bir işletim sistemi, yapay zekânın daha verimli ve daha insansı olmasını sağlayabilir.
Sinir hücreleri model alınarak yapılan süperiletken işletim sistemi çipleri, bilgiyi insan beyninden daha hızlı ve daha verimli bir şekilde işleyebilir. Science Advances’ta açıklanan bu başarı, biyolojik sistemleri taklit etme amacıyla tasarlanmış ileri işletim sistemi araçlarının gelişiminde bir mihenk taşı niteliğinde. Ticari kullanıma geçmeden önce çözülmesi gereken birçok sorunun varlığına karşın, bu kazanım doğala daha yakın yapay zekâ öğrenim yazılımlarına kapı açabilir.
Yapay zekâ yazılımları insan beynini taklit etme başarısına hızla ulaşmaya başlıyor. Google’un otomatik resim sınıflandırma ve dil öğrenim programları gibi algoritmalar, karmaşık görevleri tamamlayabilmek için yapay sinir hücrelerinden oluşan bir işletim ağı kullanıyor. Fakat klasik bilgisayarların donanımı, beyin benzeri algoritmaları çalıştırmaya uygun tasarlanmadığından, bu görevleri tamamlamak insan beyninin ihtiyaç duyduğundan daha fazla işletim gücü gerektiriyor.
ABD’deki Kolorado Eyaleti’nin Boulder şehrinde bulunan NIST (National Institute of Standardsand Technology) bünyesindeki bir grup biliminsanı, beyin benzeri yazılımları daha verimli çalıştıracağı umuduyla, insan beynini taklit eden “nöromorfik” donanım geliştirme üzerine çalışmalarını sürdürüyor. Geleneksel elektronik sistemlerdeki transistörler bilgiyi düzenli aralıklarla ve neredeyse hatasız ölçüde (0 veya 1 bit) işleyebiliyorken, nöromorfik cihazlar farklı kaynaklardan gelen küçük ölçekteki bilgileri toplayıp, tıpkı biyolojik nöronların yaptığı gibi, bu bilgileri farklı tipteki bir sinyali üretebilmek ve yalnızca gerektiği zamanlarda ani bir elektrik akımını ateşleyebilmek için değiştirebiliyor ve bu sayede nöromorfik cihazlar çalışmak için daha az enerjiye ihtiyaç duyuyor. Çalışmanın başındaki fizikçi Michael Schneider şunu söylüyor: “Bunu yapmanın daha kolay bir yolu olmalı, çünkü doğa bunu yapmanın daha kolay bir yolunu bulmuş.”
Boşluğa dikkat!
Maalesef bu cihazlar hâlâ verimsiz, özellikle de bilgiyi transistörler arasındaki boşluklardan (diğer adıyla sinapslardan) iletirken. Bu yüzden Schneider’in takımı, niyobyum süperiletkenlerinin haricinde elektriği dirençle karşılaşmadan ileten nöron benzeri elektrotlar geliştirdiler ve süperiletkenler arasındaki boşlukları binlerce sayıda manyetik magnezyum nanotanecikleriyle doldurdular.
Nanotanecikler, sinapsın içindeki manyetik alan miktarı değiştirilerek farklı yönleri gösterecek şekilde hizalanabiliyor. Bu yöntem sistemin bilgiyi elektrik seviyesinde ve manyetik alan yönünde kodlamasına imkân sağlıyor; bunun yanında ek alan işgal etmeden diğer nöromorfik sistemlerden çok daha fazla işletim gücü bahşediyor.
Sinapslar, insan nöronlarından defalarca kat daha hızlı olarak saniyede bir milyar kez çalışabiliyor ve biyolojik sinapsların on binde biri kadar enerji kullanıyor.
Bilgisayar simülasyonlarında sentetik nöronlar, diğer elektrota göndermeden önce dokuza kadar farklı kaynaktan girdi toplayabiliyor. Fakat Schneider’e göre, karmaşık işlemlerde kullanılabilecek teknoloji tabanlı bir sistemden önce milyonlarca sayıda sinaps gerekebilir; bu seviyeye ulaşılabilip ulaşılamayacağı ancak zamanla ortaya çıkacak.
Bir başka konu ise, sinapsların mutlak sıfıra yakın bir sıcaklıkta (-273 °C) işlev görmesi ve sıvı helyum ile soğutulmalarının gerekmesi. Manchester Üniversitesi’nde nöromorfik işletim üzerine çalışan bilgisayar mühendisi Steven Furber, büyük bir veri merkezinin devamlılığı sağlayabilme ihtimaline rağmen, bu durumun çipleri küçük cihazlarda kullanışsız hale getirebileceğini söylüyor. Öte yandan Schneider, eşit işletim gücü ile cihazları soğutmanın geleneksel elektronik sistemleri çalıştırmaktan çok daha az enerji gerektireceğini belirtiyor.
Alternatif yaklaşım
Pasadena’daki Kaliforniya Teknoloji Enstitüsü’nden elektrik mühendisi Carver Mead, “nöromorfik işletime çiçeği burnunda bir yaklaşım” olarak nitelendirdiği araştırmasında, çiplerin reel işletimde kullanılmasının uzun zaman alabileceğini söylüyor ve gelişmekte olan diğer nöromorfik cihazlarla çetin bir rekabetle karşılaştıklarına dikkat çekiyor.
Furber ise, pratik uygulamaların uzak bir gelecekte olduğuna vurgu yapıyor. “Cihaz teknolojileri potansiyel olarak çok ilgi çekici, fakat biyolojik sinapsların nasıl etkili bir biçimde kullanılabileceğini bilmemize yarayacak anahtar özelliklerini henüz yeteri kadar anlayabilmiş değiliz” diye ekliyor. Furber, yeni işletim cihazlarının piyasaya sürülebilmesi onlarca yıl alacağından, mümkün olduğunca farklı yaklaşımlar geliştirmeye değeceğini ifade ediyor; nörobilimciler insan beynini anlamaya çabalarken bile!
