صمم العلماء ترانزستورًا يخزّن ويعالج المعلومات مثل الدماغ البشري، ويمكنه أداء المهام المعرفية التي تواجهها معظم أنظمة الذكاء الاصطناعي اليوم,
تحاكي هذه التقنية، المعروفة باسم “الترانزستور المتشابك”، بنية الدماغ البشري، حيث يتم دمج قوة المعالجة والذاكرة بشكل كامل وفي نفس المكان، وهذا يختلف عن بنية الحوسبة التقليدية، حيث يكون المعالج والذاكرة مكونين منفصلين فعليًا.
يقول مارك هيرسام، القائد المشارك للأبحاث وأستاذ علوم المواد والهندسة والحوسبة في جامعة نورث وسترن: “في الكمبيوتر الرقمي، تتحرك البيانات ذهابًا وإيابًا بين المعالج الدقيق والذاكرة، ما يستهلك الكثير من الطاقة في عملية معقدة عند محاولة أداء مهام متعددة في نفس الوقت.”
بسبب تكامله الشامل بين قوة الحوسبة والذاكرة، يمكن للترانزستور المتشابك تحقيق كفاءة أعلى بكثير في استخدام الطاقة ونقل البيانات بسرعة كبيرة، كما كتب الباحثون في الدراسة المنشورة في مجلة .Nature
وقال العلماء إن هذا الشكل الجديد من هندسة الحوسبة ضروري، لأن الاعتماد على الإلكترونيات التقليدية في عصر البيانات الضخمة والطلب المتزايد على أعباء عمل حوسبة الذكاء الاصطناعي سيؤدي إلى استهلاك غير مسبوق للطاقة.
وأوضح الباحثون إن العلماء قاموا ببناء ترانزستورات متشابكة من قبل، لكنها تعمل فقط في درجات حرارة شديدة البرودة.. لكن الترانزستور الجديد يستخدم مواد تعمل في درجة حرارة الغرفة.
تقوم الإلكترونيات التقليدية بتعبئة الترانزستورات على رقاقة السيليكون، ولكن في الترانزستور المتشابك الجديد، قام الباحثون بتكديس طبقة ثنائية من عنصري الجرافين ونيتريد البورون السداسي، لتشكيل ما يُعرف بنمط تموج في النسيج.
وعند تدوير طبقة واحدة بالنسبة إلى الأخرى، ظهرت خصائص إلكترونية جديدة لم تكن موجودة في أي من الطبقتين بشكل منفصل.
اختبر الباحثون الشريحة من خلال تدريبها أولًا على البيانات حتى تتمكن من تعلم كيفية التعرف على الأنماط، ثم أظهروا للرقاقة تسلسلات جديدة مشابهة لبيانات التدريب ولكنها ليست متماثلة. هذه العملية، المعروفة باسم التعلم الترابطي، هي إحدى العمليات التي لا تستطيع معظم أنظمة التعلم الآلي القيام بها بشكل جيد.
وقال هيرسام: “إذا كان المقصود من الذكاء الاصطناعي تقليد الفكر البشري، فإن إحدى المهام ذات المستوى الأدنى ستكون تصنيف البيانات، وهو ما يعني ببساطة فرزها في صناديق.. هدفنا هو تطوير تقنية الذكاء الاصطناعي في اتجاه التفكير عالي المستوى. غالبًا ما تكون ظروف العالم الحقيقي أكثر تعقيدًا مما تستطيع خوارزميات الذكاء الاصطناعي الحالية التعامل معها، لذلك قمنا باختبار أجهزتنا الجديدة في ظل ظروف أكثر تعقيدًا للتحقق من قدراتها المتقدمة.”
اقرأ أيضاً:
التحيز يهدد دقة الذكاء الاصطناعي في المجال الطبي
