لباسی را تصور کنید که بسته به احساسی که دارید میتواند شما را گرم یا خنک کند، یا پوست مصنوعی که به لمس، دما پاسخ میدهد و رطوبت را به طور خودکار دفع میکند، یا سایبورگ(یک موجود با هر دو اجزای ارگانیک و مکانیکی) که با موتورهای DNA کنترل میشود و میتوانند بر اساس سیگنالهای دنیای خارج تنظیم شوند.
به عصر ماده هوشمند خوش آمدید. یک ایده محاسبهگر غیرمتعارف هوش مصنوعی که مستقیماً در بافت ماده مصنوعی، تنیده شده است. این مواد با استفاده از محاسبات مبتنی بر کنترل مغز، میتوانند پوست را با استفاده از رباتهای نرم یا نانورباتهای میکروگرمی آزاد کننده دارو در حالی که قدرت یادگیری و سازگاری را حفظ میکند، بپوشانند.
شبیه علمی تخیلی
اصلی که ما را به سوی ماده هوشمند هدایت میکند، یک “مغز” توزیع شده در سراسر “بدن” ماده است، بسیار بیگانهتر از ساختار ذهن خود ما . یک پتو گرم شده را تصور کنید. به جای تغذیه آن با یک کنترل کننده، مدارهای محاسباتی در همه جا پخش شده است. این شبکه محاسباتی میتواند به نوعی از فرآیند شبه مغزی که “محاسبه نورومورفیک” نامیده میشود، ضربه بزند. این فنّاوری یک پتو خسته کننده را به یک وسیلهای تبدیل میکند که یاد میگیرد چه دمایی را دوست دارید و در ساعاتی از روز فعالیتهای مورد علاقه شما را پیش بینی میکند. که اگر از سلولهای ساختاری با اندازه نانو ساخته شده باشد، میتواند ساختار داخلی آن را تغییر داده و اطلاعات شما را با حافظه داخلی ذخیره کند.
“هدف بلند مدت محاسبات عصبی غیر متمرکز است.” با الهام از طبیعت، میتوانیم مهندسی مادهای را انجام دهیم که از سخت افزار شبیه مغز استفاده میکند و هوش مصنوعی را در کل مواد اجرا میکند.
چرا ماده هوشمند
از موشکهایی که میتوانند ما را به مریخ بفرستند تا یک پیراهن نخی ساده، ما میتوانیم از این مواد استفاده کنیم. طبیعت غنی از ماده هوشمند است. پوست انسان را در نظر بگیرید، ضد آب بوده و فقط به صورت انتخابی به برخی مولکولها اجازه ورود میدهد و ما را از فشار، اصطکاک و اکثر باکتریها و ویروسها محافظت میکند، همچنین میتواند پس از خراش یا پاره شدن خود را بهبود بخشد و دمای بیرون را احساس کرده تا زمانی که گرم میشود ما را خنک میکند.
پوست ما به معنای سنتی “فکر نمیکند”، میتواند اطلاعات را به سرعت به مغز منتقل کند. مغز با داشتن بیش از 100 میلیارد سلول عصبی، میتواند محاسبات موازی زیادی را در مدارهای خود انجام دهد، در حالی که فقط حدود 20 وات انرژی مصرف میکند. چرا یک ماده نمیتواند همین کار را انجام دهد؟ مشکل این است که معماری محاسباتی فعلی ما برای حمایت از محاسبات شبه مغز بر روی هزینههای انرژی و تأخیر زمانی تلاش میکند.
وارد محاسبات نورومورفیک شوید. این ایدهای است که توانایی مغز را در پردازش همزمان دادهها با حداقل انرژی از بین میبرد. برای رسیدن به آنجا، دانشمندان در حال طراحی مجدد تراشههای رایانه از ابتدا هستند. به عنوان مثال، به جای تراشههای امروزی که ماژولهای محاسباتی را از ماژولهای حافظه جدا میکنند، این تراشهها اطلاعات را پردازش کرده و در همان مکان ذخیره میکنند. ممکن است عجیب به نظر برسد، اما این چیزی است که مغز ما هنگام یادگیری و ذخیره اطلاعات جدید انجام میدهد. این ترتیب نیاز به سیم بین حافظه و ماژولهای محاسبه را کاهش میدهد و به جای اینکه اطلاعات را در کابلهای متراکم و شلوغ متوقف کند، اطلاعات را از راه دور منتقل میکند. نتیجه نهایی محاسبه انبوه موازی با هزینه انرژی بسیار پایین است.
راه رسیدن به ماده هوشمند
ساختار ماده: اساساً ماده اولیه شما میتواند پیچیده باشد، اما نمیتواند خواص آن را تغییر دهد. همانند فریمهای سه بعدی ریه یا اندامهای دیگر، پیچیده، اما ناسازگار.
پاسخگویی ماده: این میتواند ترکیب آن را در واکنش به محیط تغییر دهد. شبیه به اختاپوسی که رنگ پوست خود را برای پنهان شدن از دید شکارچی تغییر میدهد، این مواد میتوانند شکل، رنگ یا سفتی خود را تغییر دهند. یک مثال، پرینت سه بعدی آفتابگردان است که با حسگرهای تعبیه شده، بسته به گرما، نیرو و نور شکوفا یا بسته میشود. یکی دیگر از مواد نرم واکنشگر که میتواند کشیده شده و به سیستمهای بیولوژیکی متصل شود، یک عضله مصنوعی ساخته شده از سیلیکون است که میتواند با گرم شدن مداوم، بیش از 13 پوند کشیده و بلند شود.
مواد تطبیق پذیر بالاتر از هوش زنجیره غذایی هستند. اینها دارای شبکه داخلی برای پردازش اطلاعات، ذخیره موقت آنها و تنظیم رفتار از طریق بازخورد هستند. یکی از نمونهها، میکرو گروهی از روباتهای کوچک است که به صورت هماهنگ حرکت میکنند، شبیه به ماهی یا پرندگان. اما از آنجا که رفتار آنها نیز از قبل برنامه ریزی شده است، آنها نمیتوانند از محیط خود درس بگیرند یا به خاطر بسپارند.این گروه ادعا میکند که”این ماده قادر است با محیط خود تعامل داشته باشد، از ورودیهایی که دریافت میکند درس بگیرد و عملکرد خود را تنظیم کند.”
این ماده از ۴ جزء تشکیل شده است:
1. اولین مورد یک حسگر است که اطلاعات جهان خارج و وضعیت داخلی مواد را ضبط میکند (به یک حسگر دما در پوست خود فکر کنید).
2. جزء بعدی یک محرک است، اساساً چیزی که خاصیت مواد را تغییر میدهد. به عنوان مثال، با بالا رفتن درجه حرارت، خود پوست بیشتر عرق میکند.
3. سومین واحد حافظه است که میتواند اطلاعات را در دراز مدت ذخیره کرده و به عنوان دانش برای آینده ذخیره کند.
4. سرانجام، واحد شبکهای است (بلوتوث یا بی سیم) که هر جزء را شبیه به اعصاب مغز ما متصل میکند.
“تعامل نزدیک بین هر چهار عنصر عملکردی برای پردازش اطلاعات ضروری است، که در کل فرایند تعامل بین ماده و محیط ایجاد میشود تا یادگیری امکان پذیر شود.”
چگونه؟
نویسندگان میگویند: “به ویژه موجودات زنده را میتوان به عنوان سیستمهای محاسباتی غیر متعارف در نظر گرفت.” “شبکههای قابل برنامه ریزی و به هم پیوسته به ویژه برای انجام این وظایف و اهداف سخت افزاری نورومورفیک با الهام از مغز مناسب هستند.”
مغز روی نورونها و سیناپسها کار میکند، اتصالی که نورونهای جداگانه را به شبکه متصل میکند. دانشمندان برای مهندسی اجزای مصنوعی مغز متصل به شبکه، به انواع مختلفی از مواد دست یافتهاند. واحد پردازش تانسور گوگل و TrueNorth IBM هر دو نمونههای مشهوری هستند که به آنها اجازه میدهد تا محاسبات و حافظه در یک مکان انجام دهند و آنها را برای اجرای الگوریتمهای هوش مصنوعی بسیار قوی میکند.
اما گام بعدی این است که این مغزهای کوچک را در داخل یک ماده توزیع کرده و حسگرها و محرکها را اضافه کنیم و اساساً یک مدار ایجاد شود که کل سیستم عصبی انسان را تقلید میکند. برای رسیدن یه این هدف، ممکن است لازم باشد تا از فناوریهای دیگر استفاده کنیم.
یک ایده استفاده از نور است. تراشههایی که روی شبکههای عصبی نوری کار میکنند هم میتوانند سرعت نور را محاسبه کرده و هم کار کنند. مورد دیگر این است که با استفاده از شبکههای عصبی که میشنوند و یاد میگیرند، موادی ساخته شود که میتواند تصمیمات خود را منعکس کند.
نویسندگان میگویند: “طیف گستردهای از کاربردهای فنّاورانه ماده هوشمند قابل پیش بینی است.”
منبع : The Four Stages of Intelligent Matter That Will Bring Us Iron Man’s ‘Endgame’ Nanosuit
پژوهشگر : مهران سهیلی