AI విప్లవం: శాస్త్రవేత్తలు మానవ మెదడులా ఆలోచించే కృత్రిమ న్యూరాన్‌లను సృష్టించారు

యూఎస్‌సీ వైటెర్బీ స్కూల్ ఆఫ్ ఇంజనీరింగ్ మరియు స్కూల్ ఆఫ్ అడ్వాన్స్‌డ్ కంప్యూటింగ్ పరిశోధకులు నిజమైన మెదడు కణాల ఎలక్ట్రోకెమికల్ ప్రవర్తనను భౌతికంగా అనుకరించే కృత్రిమ న్యూరాన్‌లను అభివృద్ధి చేశారు. ఆర్టిఫిషియల్ జనరల్ ఇంటెలిజెన్స్ (AGI) కు ఒక రోజు మద్దతు ఇవ్వగల మరింత సమర్థవంతమైన, మెదడు వంటి హార్డ్‌వేర్ దిశగా ఈ అధ్యయనం ఒక పెద్ద ముందడుగును సూచిస్తుంది. మెదడు కార్యకలాపాలను డిజిటల్‌గా అనుకరించే ప్రస్తుతం ఉన్న న్యూరోమార్ఫిక్ చిప్‌ల మాదిరిగా కాకుండా, యూఎస్‌సీ యొక్క కొత్త న్యూరాన్‌లు గణన కోసం నిజమైన రసాయన, విద్యుత్ ప్రక్రియలను ఉపయోగిస్తాయి. అంటే, మెదడు ఎలా పనిచేస్తుందో కేవలం అనుకరించడానికి బదులుగా, అవి నిజమైన మెదడు కణాల వలె పనిచేస్తాయి. యూఎస్‌సీలో కంప్యూటర్ అండ్ ఎలక్ట్రికల్ ఇంజనీరింగ్ ప్రొఫెసర్, సెంటర్ ఆఫ్ ఎక్సలెన్స్ ఆన్ న్యూరోమార్ఫిక్ కంప్యూటింగ్ డైరెక్టర్ అయిన జోషువా యాంగ్ ఈ పరిశోధనకు నాయకత్వం వహించారు. యాంగ్, ఆయన బృందం "డిఫ్యూసివ్ మెమ్రిస్టర్" అని పిలిచే కొత్త రకం కృత్రిమ న్యూరాన్‌ను అభివృద్ధి చేసింది. సాంప్రదాయ సిలికాన్ చిప్‌ల వలె ఎలక్ట్రాన్‌ల కదలికను ఉపయోగించడానికి బదులుగా, ఈ న్యూరాన్‌లు సమాచారాన్ని ప్రాసెస్ చేయడానికి అణువుల కదలికపై ఆధారపడతాయి.

మానవ మెదడులో, న్యూరాన్‌లు సంభాషించడానికి విద్యుత్ మరియు రసాయన సంకేతాలను రెండింటినీ ఉపయోగిస్తాయి. ఒక విద్యుత్ సంకేతం సినాప్స్ వద్ద ఒక న్యూరాన్ చివరికి చేరినప్పుడు, అది తదుపరి న్యూరాన్‌కు సమాచారాన్ని ప్రసారం చేయడానికి రసాయన సంకేతంగా మారుతుంది. సంకేతం దాటిన తర్వాత, అది మళ్ళీ విద్యుత్‌గా మారుతుంది.యాంగ్ బృందం ఇప్పుడు ఆక్సైడ్‌లోని సిల్వర్ అయాన్‌లను ఉపయోగించి ఈ ప్రక్రియను పునఃసృష్టించింది.
"మా కృత్రిమ సినాప్స్‌లు, న్యూరాన్‌లలో అయాన్‌లు పూర్తిగా ఒకేలా లేనప్పటికీ, అయాన్ల కదలికను, వాటి డైనమిక్స్‌ను నియంత్రించే భౌతిక సూత్రాలు చాలా పోలి ఉంటాయి" అని యాంగ్ పేర్కొన్నారు. అతను ఇంకా ఇలా అన్నారు, "సిల్వర్ సులభంగా వ్యాపిస్తుంది, జీవవ్యవస్థను అనుకరించడానికి అవసరమైన డైనమిక్స్‌ను ఇది మాకు అందిస్తుంది. తద్వారా చాలా సరళమైన నిర్మాణంతో న్యూరాన్‌ల పనితీరును సాధించగలుగుతాము." "డిఫ్యూసివ్ మెమ్రిస్టర్" అని పిలువబడే ఈ డిజైన్, సాంప్రదాయ డిజైన్‌లలో ఉపయోగించే డజన్ల కొద్దీ లేదా వందల కొద్దీ ట్రాన్సిస్టర్‌లకు బదులుగా, ప్రతి కృత్రిమ న్యూరాన్‌ను కేవలం ఒక ట్రాన్సిస్టర్ స్థలాన్ని ఆక్రమించేలా చేస్తుంది. అయాన్ డైనమిక్స్‌ను ఉపయోగించాలని తమ బృందం ఎంచుకుందని యాంగ్ చెప్పారు, "ఎందుకంటే మానవ మెదడులో అదే జరుగుతుంది, ఒక మంచి కారణం ఉంది, మరియు మానవ మెదడు పరిణామంలో విజేత కాబట్టి, అత్యంత సమర్థవంతమైన తెలివైన యంత్రం కూడా అదే."

శక్తి సామర్థ్యమే కీలకం
ప్రస్తుత కంప్యూటింగ్ సిస్టమ్స్‌తో ప్రధాన సమస్య శక్తి కాదని, సామర్థ్యమేనని యాంగ్ అన్నారు. "మన చిప్‌లు లేదా కంప్యూటర్లు అవి చేసే పనులకు సరిపోని శక్తివంతమైనవి కావని కాదు. అవి తగినంత సామర్థ్యాన్ని కలిగి లేవు. అవి చాలా ఎక్కువ శక్తిని వినియోగిస్తాయి" అని ఆయన వివరించారు. ఆధునిక కంప్యూటర్లు భారీ మొత్తంలో డేటాను ప్రాసెస్ చేయడానికి రూపొందించబడ్డాయి, మానవులు చేసే విధంగా చిన్న ఉదాహరణల నుండి నేర్చుకోవడానికి కాదు. "శక్తి మరియు అభ్యాస సామర్థ్యం రెండింటినీ పెంచడానికి ఒక మార్గం, మెదడులో గమనించిన సూత్రాల ప్రకారం పనిచేసే కృత్రిమ వ్యవస్థలను నిర్మించడం" అని యాంగ్ చెప్పారు. అయాన్‌లు దీనికి కీలకం కావచ్చని ఆయన నమ్ముతారు. "మెదడు సూత్రాలను అనుసరించడానికి అయాన్‌లు ఎలక్ట్రాన్‌ల కంటే మెరుగైన మాధ్యమం" అని ఆయన అన్నారు. "ఎందుకంటే ఎలక్ట్రాన్‌లు తేలికైనవి మరియు అస్థిరమైనవి కాబట్టి, వాటితో కంప్యూటింగ్ హార్డ్‌వేర్-ఆధారిత అభ్యాసానికి బదులుగా సాఫ్ట్‌వేర్-ఆధారిత అభ్యాసాన్ని సాధ్యం చేస్తుంది."

ఆర్టిఫిషియల్ జనరల్ ఇంటెలిజెన్స్ (AGI) దిశగా
మానవ మెదడు ఏదైనా ఒక వస్తువును కొన్ని సార్లు చూసిన తర్వాత గుర్తించడం నేర్చుకుంటుంది మరియు దాని కోసం కేవలం 20 వాట్స్ శక్తిని మాత్రమే ఉపయోగిస్తుంది. దీనికి విరుద్ధంగా, నేటి AI వ్యవస్థలు, సూపర్ కంప్యూటర్‌లు ఇలాంటి పనుల కోసం భారీ మొత్తంలో శక్తిని డిమాండ్ చేస్తాయి.