Una piccola rete auto-organizzata di sinapsi artificiali ricorda le loro esperienze e può risolvere semplici problemi. I suoi creatori sperano che un giorno, sulla base di questo cervello artificiale, verranno creati dispositivi efficienti dal punto di vista energetico quanto la potenza di calcolo del cervello. In generale, i cervelli, se omettiamo i loro risultati nel pensare e risolvere i problemi, sono perfetti nella loro efficienza energetica. Il cervello ha bisogno della stessa quantità di energia per funzionare come assorbe una lampada a incandescenza da 20 watt. E uno dei supercomputer più potenti e veloci al mondo, Computer K a Kobe, in Giappone, utilizza fino a 9,89 megawatt di potenza, circa la stessa di 10.000 abitazioni. Ma nel 2013, anche con questa energia, la macchina ha impiegato 40 minuti per simulare l'1% dell'attività del cervello umano in 1 secondo.
E così gli ingegneri ricercatori del NanoSystems Institute of California presso l'Università della California, Los Angeles sperano di competere con le capacità computazionali ed energeticamente efficienti del cervello, grazie a sistemi che rispecchiano la struttura del cervello. Stanno creando un dispositivo, forse il primo del suo genere, che è "ispirato dal cervello per generare proprietà che consentono al cervello di fare ciò che fa", dice Adam Stig, ricercatore e professore associato presso l'istituto che sta guidando il progetto con Jim Gimrzewski, professore di chimica presso l'Università della California. A Los Angeles.
Il loro design non è affatto come i normali computer, che si basano su piccoli fili stampati su microcircuiti di silicio in circuiti altamente ordinati. L'attuale versione sperimentale è una griglia 2 x 2 mm di nanofili d'argento collegati da sinapsi artificiali. A differenza dei circuiti in silicio con la sua precisione geometrica, questo dispositivo è tessuto come un "piatto di spaghetti ben miscelato", afferma Stig. Inoltre, la sua struttura fine è organizzata da processi chimici ed elettrici casuali e non è progettata con cura.
Nella sua complessità, questa rete d'argento ricorda un cervello. Ci sono un miliardo di sinapsi artificiali per centimetro quadrato della griglia, che è diversi ordini di grandezza diversi dal cervello reale. L'attività elettrica della rete mostra anche una proprietà unica per sistemi complessi come il cervello: "criticità", uno stato tra ordine e caos che indica la massima efficienza.
Questa rete di nanofili altamente intrecciati può sembrare caotica e casuale, ma la sua struttura e il suo comportamento assomigliano a quelli dei neuroni nel cervello. Gli scienziati di NanoSystems lo stanno sviluppando come dispositivo cerebrale per l'apprendimento e l'informatica.
Inoltre, esperimenti preliminari mostrano che questa rete metallica d'argento neuromorfica (cioè simile al cervello) ha un grande potenziale funzionale. Può già eseguire semplici operazioni educative e logiche. Può rimuovere il rumore indesiderato dal segnale ricevuto, un'importante capacità per il riconoscimento vocale e attività simili che causano problemi nei computer tradizionali. E la sua esistenza testimonia il principio che un giorno sarà possibile realizzare dispositivi con un'efficienza energetica prossima a quella del cervello.
Questi vantaggi sono particolarmente curiosi sullo sfondo dell'imminente limite di miniaturizzazione ed efficienza dei microprocessori al silicio. "La legge di Moore è morta, i semiconduttori non possono più ridursi e la gente inizia a lamentarsi di cosa fare", afferma Alex Nugent, CEO di Knowm, una società di elaborazione neuromorfica non coinvolta nel progetto UCLA. “Mi piace questa idea, questa direzione. Le piattaforme informatiche convenzionali sono un miliardo di volte meno efficienti ".
Video promozionale:
Cambia come sinapsi
Quando Gimrzewski ha iniziato a lavorare al suo progetto sulla rete d'argento 10 anni fa, non era affatto interessato all'efficienza energetica. Era annoiato. Usando un microscopio a scansione a tunnel per studiare l'elettronica su scala atomica per 20 anni, alla fine disse: "Sono stanco della perfezione e del controllo preciso e un po 'stanco del riduzionismo".
Il riduzionismo, si dovrebbe presumere, è alla base di tutti i microprocessori moderni, quando fenomeni e circuiti complessi possono essere spiegati usando fenomeni ed elementi semplici.
Nel 2007 gli è stato chiesto di studiare singoli interruttori atomici (o interruttori) sviluppati dal gruppo Masakazu Aono dell'International Center for Materials on Nanoarchitectonics a Tsukuba, in Giappone. Questi interruttori contenevano lo stesso ingrediente che trasforma un cucchiaio d'argento in nero quando tocca un uovo: solfuro di ferro inserito tra l'argento metallico duro.
L'applicazione di tensione ai dispositivi spinge gli ioni d'argento caricati positivamente nel solfuro d'argento verso lo strato di catodo d'argento, dove vengono ridotti ad argento metallico. I filamenti di argento atomico crescono, chiudendo infine lo spazio tra i lati di argento metallico. L'interruttore è acceso e la corrente può fluire. Invertire la corrente ha l'effetto opposto: i ponti argentati si accorciano e l'interruttore viene spento.
Tuttavia, poco dopo aver sviluppato l'interruttore, il gruppo di Aono ha iniziato a osservare un comportamento insolito. Più spesso veniva utilizzato l'interruttore, più facile era accenderlo. Se non è stato utilizzato per un po 'di tempo, si è gradualmente spento da solo. In sostanza, lo switch ha ricordato la sua storia. Aono ei suoi colleghi hanno anche scoperto che gli interruttori sembravano interagire tra loro, in modo tale che l'accensione di un interruttore a volte bloccava o spegneva gli altri nelle vicinanze.
La maggioranza del gruppo di Aono voleva costruire queste strane proprietà al di fuori degli interruttori. Ma Gimrzewski e Stig (che aveva appena completato il suo dottorato nel gruppo di Gimrzewski) ricordavano le sinapsi, i passaggi tra le cellule nervose nel cervello umano, che cambiano anche i rapporti con l'esperienza e l'interazione. E così è nata l'idea. "Abbiamo pensato, perché non provare a tradurre tutto questo in una struttura che assomiglia a una corteccia cerebrale dei mammiferi e studiarla?", Afferma Stig.
Creare una struttura così complessa è stato sicuramente difficile, ma Stig e Odrius Avicenis, che si erano appena uniti al gruppo come studente laureato, hanno sviluppato un protocollo per questo. Versando nitrato d'argento su minuscole sfere di rame, potrebbero far crescere fili d'argento che si intersecano microscopicamente. Potrebbero quindi pompare gas di zolfo attraverso questa griglia per creare uno strato di solfuro argenteo tra i fili d'argento, come nell'interruttore atomico del team Aono originale.
Criticità auto-organizzata
Quando Gimzewski e Stig hanno parlato ad altri del loro progetto, nessuno credeva che avrebbe funzionato. Alcuni hanno detto che il dispositivo avrebbe mostrato un tipo di attività statica e si sarebbe stabilizzato su di esso, ha ricordato Stig. Altri hanno suggerito il contrario: "Hanno detto che l'interruttore sarebbe caduto in cascata e l'intera struttura si sarebbe semplicemente bruciata", dice Gimzewski.
Ma il dispositivo non si è sciolto. Al contrario, quando Gimzewski e Stig lo guardavano attraverso una telecamera a infrarossi, la corrente in ingresso continuava ad alterare i percorsi che prendeva attraverso il dispositivo, dimostrando che l'attività sulla rete non era localizzata, ma piuttosto distribuita, come nel cervello.
Un giorno d'autunno del 2010, mentre Avicenis e il suo collega Henry Sillin stavano aumentando la tensione di ingresso al dispositivo, hanno improvvisamente notato che la tensione di uscita ha iniziato a vibrare in modo casuale, come se la rete metallica avesse preso vita. "Ci siamo seduti e abbiamo guardato, siamo rimasti scioccati", dice Sillin.
Immaginavano di aver trovato qualcosa di interessante. Quando Avicenis ha analizzato i dati di monitoraggio per diversi giorni, ha scoperto che la rete è rimasta allo stesso livello di attività per brevi periodi più spesso che per lunghi periodi. Successivamente hanno scoperto che le piccole aree di attività erano più comuni di quelle grandi.
"Sono rimasto a bocca aperta", dice Avicenis, perché è la prima volta che imparano una legge di potenza dal loro dispositivo. Le leggi di potenza descrivono le relazioni matematiche in cui una variabile cambia come potenza di un'altra. Si applicano a sistemi in cui scale più grandi, eventi più lunghi sono meno comuni di quelli più piccoli e più brevi, ma sono diffusi e non a caso. Per Bac, un fisico danese morto nel 2002, ha proposto per primo le leggi di potenza come segno distintivo di tutti i tipi di sistemi dinamici complessi che possono organizzarsi su grandi scale e lunghe distanze. Questo comportamento, ha detto, indica che un sistema complesso è in equilibrio e funziona nel mezzo tra ordine e caos, in uno stato di "criticità", e tutte le sue parti interagiscono e si interconnettono per la massima efficienza.
Come aveva previsto Buck, nel cervello umano è stato osservato un comportamento basato sulla legge di potere: nel 2003 Dietmar Plentz, neurofisiologo del National Institutes of Health, ha osservato che gruppi di cellule nervose ne attivavano altre, che a loro volta ne attivavano altre, innescando spesso cascate sistemiche di attivazioni. Plenz ha scoperto che le dimensioni di queste cascate seguono una distribuzione della legge di potenza e il cervello ha agito in modo tale da massimizzare la diffusione dell'attività senza rischiare di perdere il controllo della sua diffusione.
Il fatto che il dispositivo dell'Università della California abbia anche dimostrato la legge sulla potenza in azione è molto importante, afferma Plentz. Perché ne consegue che, come nel cervello, ha un delicato equilibrio tra attivazione e inibizione, che mantiene in funzione la somma delle sue parti. L'attività non sopprime l'insieme, ma non si ferma neanche.
Gimrzewski e Stig in seguito hanno trovato un'altra somiglianza tra la rete d'argento e il cervello: proprio come il cervello umano addormentato mostra meno brevi cascate di attivazione rispetto al cervello in stato di veglia, lo stato di attivazione breve nella rete d'argento diventa meno comune a energie di input inferiori. In qualche modo, ridurre il consumo di energia di un dispositivo può creare uno stato che assomiglia allo stato dormiente del cervello umano.
Apprendimento e calcolo
Ed ecco la domanda: se una rete di fili d'argento ha proprietà simili al cervello, può risolvere problemi di calcolo? Esperimenti preliminari hanno dimostrato che la risposta è sì, anche se il dispositivo, ovviamente, non è nemmeno lontanamente paragonabile a un normale computer.
Primo, non c'è software. Invece, i ricercatori sfruttano il fatto che la rete può distorcere il segnale in ingresso in modi diversi, a seconda di dove viene misurata l'uscita. Ciò offre un possibile utilizzo per il riconoscimento vocale o dell'immagine, poiché il dispositivo deve essere in grado di pulire un segnale di ingresso rumoroso.
Ne consegue anche che il dispositivo può essere utilizzato per i cosiddetti calcoli di giacimento. Poiché un singolo input può, in linea di principio, generare molti, milioni di output diversi (da qui il serbatoio), gli utenti possono selezionare o combinare gli output in modo che il risultato sia il calcolo dell'input desiderato. Ad esempio, se stimoli un dispositivo in due posizioni diverse contemporaneamente, c'è la possibilità che uno dei milioni di uscite diverse rappresenti la somma dei due ingressi.
La sfida è trovare le conclusioni corrette e decodificarle e capire come codificare al meglio le informazioni in modo che la rete possa comprenderle. Questo può essere fatto addestrando il dispositivo: eseguendo l'attività centinaia o migliaia di volte, prima con un tipo di input, poi con un altro, e confrontando quale output si adatta meglio all'attività. "Non programmiamo il dispositivo, ma scegliamo il modo migliore per codificare le informazioni in modo che il comportamento della rete sia utile e interessante", afferma Gimrzewski.
In un lavoro che sarà pubblicato presto, gli scienziati spiegheranno come hanno addestrato una rete di cavi per eseguire semplici operazioni logiche. E in esperimenti inediti, hanno addestrato la rete a risolvere un semplice problema di memoria solitamente dato ai ratti (il labirinto a T). Nel test del labirinto a T, il topo viene premiato se fa una svolta corretta in risposta alla luce. Con la propria versione per la formazione, la rete può fare la scelta giusta il 94% delle volte.
Finora, questi risultati sono stati poco più che una prova di principio, afferma Nugent. "Il piccolo topo che prende una decisione nel labirinto a T non si avvicina mai a qualcosa nell'apprendimento automatico che può valutare i suoi sistemi", su un computer tradizionale, dice. Dubita che il dispositivo possa essere trasformato in un utile chip nei prossimi anni.
Ma il potenziale è enorme, sottolinea. Perché la rete, come il cervello, non separa elaborazione e memoria. I computer tradizionali devono trasferire le informazioni tra diversi domini che gestiscono queste due funzioni. "Tutta questa comunicazione aggiuntiva si accumula perché i cavi hanno bisogno di alimentazione", afferma Nugent. Prendendo i computer tradizionali, dovresti spegnere la Francia per simulare un cervello umano completo con una risoluzione decente. Se dispositivi come Silver Network possono risolvere problemi con l'efficienza degli algoritmi di apprendimento automatico in esecuzione su computer tradizionali, possono utilizzare un miliardo di volte meno energia. E poi la questione è piccola.
Le scoperte degli scienziati supportano anche l'idea che, nelle giuste circostanze, i sistemi intelligenti possono essere formati dall'auto-organizzazione senza alcun modello o processo per il loro sviluppo. Il Silver Network "è emerso spontaneamente", afferma Todd Hilton, un ex manager DARPA che ha sostenuto il progetto nella fase iniziale.
Gimrzewski ritiene che una rete di fili d'argento o dispositivi simili possa essere migliore dei computer tradizionali nel prevedere processi complessi. I computer tradizionali modellano il mondo con equazioni che spesso descrivono fenomeni complessi solo approssimativamente. Le reti neuromorfiche degli interruttori atomici allineano la propria complessità strutturale intrinseca con il fenomeno che stanno simulando. E lo fanno anche rapidamente: lo stato della rete può oscillare fino a decine di migliaia di modifiche al secondo. "Usiamo un sistema complesso per comprendere fenomeni complessi", afferma Gimrzewski.
All'inizio di quest'anno, in una riunione dell'American Chemical Society a San Francisco, Gimzewski, Stig ei loro colleghi hanno presentato i risultati di un esperimento in cui hanno alimentato il dispositivo i primi tre anni di un set di dati sul traffico di Los Angeles di sei anni sotto forma di una serie di impulsi che indicavano la quantità auto di passaggio all'ora. Dopo centinaia di ore di formazione, l'output ha finalmente previsto l'andamento statistico della seconda metà del set di dati, e abbastanza bene, anche se non è stato mostrato al dispositivo.
Forse un giorno, scherza Gimrzewski, usa la rete per prevedere il mercato azionario.
Ilya Khel
