شبکه‌های عصبی مصنوعی چگونه کار می‌کنند؟

• 27 خرداد 1396 07:16 ق.ظ
• بهنام علیمحمدی

گاهی تماشای برخی از فیلم‌ها تا سال‌ها در اذهان باقی می‌ماند. شاید غیرمنطقی به‌نظر برسد، اما اختراعاتی را می‌توان مثال زد که ایده اولیه آنها از دل همین فیلم‌ها و سریال‌های تخیلی بیرون آمده است.

ماشین‌ها همواره به‌عنوان اساس تبدیل ایده‌ها به واقعیت مطرح بوده‌اند و نقش این ابزار به‌ویژه از زمان ورود کامپیوترها به زندگی بشر پررنگ‌تر شده است. از دید بسیاری از مردم، روزی کامپیوترها می‌توانند تمام غیرممکن‌ها را ممکن کنند. شاید در نگاه اول، این تصوری قابل حصول باشد؛ زیرا تا سه دهه پیش، انجام کارها توسط کامپیوترها نیز شبیه یک آرزو و رویا بود. اما این نگاه زوایای پنهانی دارد که در مقابله با قدرت‌های حیرت‌انگیز بشر، اجرایی شدن آن با تردیدهای جدی رو‌به‌رو خواهد بود. در عرض چند سال از واگذاری امور به ماشین‌های پردازشی، حالا روبات‌ها به‌عنوان یک ناجی ایفای نقش می‌کنند و پیش‌بینی می‌شود که تا چند سال دیگر، در تمامی صنایع روبات‌ها به‌صورت کامل جایگزین انسان‌ها شوند. هرچند بسیاری از پیش‌بینی‌ها درخصوص رشد هوش و ذکاوت ماشین‌های مصنوعی تاکنون به حقیقت پیوسته است، اما آیا می‌توان این چالش فناورانه را به مغز انسان تعمیم داد؟ به بیان دیگر، آیا ممکن است ماشین‌های پردازشی در قالب یک شبکه هوشمند تراشه‌محور، به رقیبی برای جهان پیچیده مغز انسان تبدیل شوند؟

گروهی از کارشناسان بر این عقیده‌اند که این اتفاق در آینده‌ای نزدیک رخ خواهد داد. آنها از فناوری مدرن و هوشمند «شبکه‌های عصبی مصنوعی» به‌عنوان جایگزینی برای مغز انسان یاد می‌کنند؛ شبکه‌ای که تعریف جدیدی از کامپیوترها را ارایه می‌کند که کارکرد آنها با الگوبرداری از فعالیت‌های پیچیده مغز تعیین می‌شود. این شبکه، گروهی از کامپیوترهای بازطراحی شده را گرد هم آورده که با استفاده از علوم شبیه‌سازی و تنها از طریق APIهای نرم‌افزاری، قادر به فعالیت و بازسازی وقایع و رخدادهای مورد نظر هستند. نتایج حاصل از فعالیت شبکه‌های عصبی مصنوعی نتیجه حضور علوم مختلفی چون فیزیک، ریاضیات، زیست‌شناسی و کامپیوتر است و این نشان می‌دهد که در ساخت این شبکه، بسیاری از رشته‌های علوم و فناوری دخیل هستند. اما این شبکه‌ها چگونه کار می‌کنند؟

همان‌طور که می‌دانید، درون مغز انسان رشته‌های عصبی به نام «نورون‌های محاسبه‌گر» وجود دارند که وظیفه آنها محاسبه دستورات است. اما روش محاسبه نورون‌های مغر با پردازنده‌های سیلیکونی متفاوت است. «نیمه‌هادی‌ها» به عنوان نورون‌های محاسبه‌گر درون پردازشگر، چیدمان خطی دارند که انتهای هر یک از آنها به یک بورد اصلی متصل شده و رفتار آنها با Clock Cycle کنترل می‌شود. مولفه‌ای که نورون‌های مغز را از نیمه‌هادی‌ها متمایز می‌کند، استقلال آنها از سایر نورون‌ها است. در پردازنده‌ها، فریمورها مدیریت و کنترل را بر عهده دارند تا راه و روش انجام یک محاسبه را به نیمه‌هادی‌ها اعلام کنند. این در حالی است که نورون‌های مغز می‌توانند در گروه‌های میلیونی گرد هم آمده و هر یک به‌صورت مستقل، برنامه‌نویسی جداگانه خود را پیاده‌سازی و دستورالعمل‌های مورد نیاز را پردازش و ارایه کنند. پدیدآورندگان این فناوری می‌گویند این روش کارآمدی است که شبکه‌های عصبی دیجیتالی نیز باید از آن تبعیت کنند. در حقیقت کار یک شبکه عصبی مصنوعی این است که با استفاده از یک نرم‌افزار جامع و میان‌افزارهای کوچک، چگونگی عملیات مغز انسان برای محاسبه داده‌ها را شبیه‌سازی کند تا هر کدام از نیمه‌هادی‌ها، در قالب یک نورون ایفای نقش کنند. در این شبکه، هر نورون مصنوعی کدنویسی خاص خود را دارد تا بداند در برابر داده‌های وارد شده به شبکه، چه رفتاری از خود بروز دهد. داده‌ها در مسیر خود به ترتیب وارد هر یک از نورون‌های سری شده یک شبکه عصبی مصنوعی می‌شوند تا عملیات خاص و مورد نظر روی آن انجام گیرد. هر یک از این نیمه‌هادی‌ها در مقام یک نورون عمل کرده و بخشی از داده‌های خام را مطابق با کدنویسی خود پردازش می‌کنند. در این مسیر داده‌ها کامل‌تر شده و پس از عبور از تمام نورون‌های شبکه دیجیتالی، در نهایت داده خام به داده پردازش شده تبدیل می‌شود. یکی از مهم‌ترین مزیت شبکه‌های عصبی مصنوعی، قابلیت برنامه‌نویسی جداگانه برای هر نورون (نیمه‌هادی‌ها) است و این امکان، پردازش داده‌های بسیار پیچیده و حل مسایل بزرگ را که حتی از عهده سوپرکامپیوترها نیز خارج است در اختیار صاحبان شبکه‌های عصبی مصنوعی قرار خواهد داد.