مهندسی معکوس مغز – چگونه و چه وقت توانایی ساخت مغز انسان را خواهیم داشت؟
شناخت مغز بخش اول : قابلیت های سخت افزاری مغز و پیش درآمدی بر نرم افزار مغز (چگونگی پردازش چانک ها-قطعه های دانش-)
از زمانی که کامپیوتر ها وارد دنیای ما شدند، مقایسه آنها با مغز انسان شروع شد و مغز به سان ابزاری شگرف و بسیار پیچیده نمایان شد. قدرت پردازشی خارق العاده مغز انسان و همچنین توانایی های نرم افزاری آن، آنرا به پیچیده ترین پدیده در دسترس بشری تبدیل کرده. مدت ها تصور می شد که مغز چنان پیچیده و شگفت انگیز است که ممکن است هیچگاه قادر به درک عظمت و پیچیدگیهای آن نخواهیم شد، چه برسد به اینکه چیزی همانند یا بهتر از آن بسازیم. این عقیده هم اکنون هم نه تنها عقیده خیلی از افراد عادی ، بلکه بسیاری از متخصصین و تحصیلکرده ها هم می باشد.
احساس شخصی من اینست که این مقاومت ذهنی در برابر حقایق علمی،نه فقط به دلیل عدم داشتن دانش کافیست، بلکه بخشی از آن به علت تعلق خاطری است که به خودمان به عنوان انسان داریم و نیاز به این باورکه بی همتا هستیم، هر کدام از ما دوره سختی را در رشد کودکی خود داریم زمانی که متوجه می شویم که والدین ما ، سرچشمه همه امور جهان و بهترین و توانمند ترین نیستند، حداقل پنجاه درصد موارد آدمهایی زیر حد متوسط جامعه می باشند و خیلی ها تا آخر عمر والدین خود را از معادلات معمول مستثنی می کنند! لذا می توان حق داد که در پذیرش مغز انسان به عنوان ابزاری بسیار پیچیده ، مقاومت های روانی قوی وجود داشته باشد.
در هر صورت گام های اساسی در شناخت مغر انسان برداشته شده است و روز به روز زوایای این پدیده و نحوه کارکرد آن شناخته میشود.
مغر انسان شامل دو بخش کلی است . سخت افزار و نرم افزار. سخت افزارمغز شامل صد میلیارد نورون می باشد، هر نورون حدود هزار کانکشن (ارتباط)با نورون های اطراف دارد، پس به طور تقریبی صد تریلیون کانکشن داریم که هر کدام به تنهایی قادر به پردازش همزمان می باشند و این مسئله توجیه کننده قدرت عجیب مغز در پردازش های بسیار سنگین و موازی و همچنین نقطه قوت تفکر انسانی است. بزرگترین نقطه ضعف مغز اما سرعت فوق العاده کند انتقال داده ها در مدارهای عصبی است.فقط دویست پردازش در ثانیه. از هر کانکشن هرنورون 200 پیام شیمیایی در ثانیه منتقل میشود.مجموعه کل پردازش مغزی انسان، معادل بیست میلیون میلیارد پردازش می باشد. یا بیست پتا فلاپ.واحد پتا فلاپ واحدی است که برای سنجش پردازش های در مقیاس بزرگ مثلا در سوپرکامپیوتر ها بکار می رود هر پتافلاپ برابریک میلیون میلیارد پردازش درثانیه است.
با توجه به وضعیت بالا مغز انسان برای محاسبات موازی(همزمان) مانند “تشخیص الگو ها” عملکرد بسیارعالی دارد ، در صورتیکه برای محاسبات متوالی و مرحله به مرحله عملکرد کاملا متوسطی دارد. برای مقایسه این قدرت پردازشی، در زیر آنرا با تعدادی از قویترین سوپر کامپیوتر ها در طول تاریخ مقایسه می کنیم.
سریعترین سوپرکامپیوتر در سالهای 1964 تا 69 CDC-600بوده که توان پردازشی آن یک مگا فلاپ بوده باقیمت هشت میلیون دلار.
.
مغز انسان توان پردازش حدود بیست میلیارد برابر بیشتر از آن را دارا بوده. و اگر میخواستند با آن تکنولوژی به ساختار پردازشی با توان مشابه مغز انسان برسند، (با صرف نظرتفاوت قیمت انیوه سازی و خرده فروشی) به صد و شصت هزار تریلیون دلار پول نیاز داشتند.یعنی 2350 برابر کل درامد ناخالص جهان!!(درآمد ناخالص جهان 70 تریلیون و درامد ناخالص آمریکا 15 تریلیون دلار است)
crY-2 در سالهای 85 تا 1990 قویترین سوپر کامپیوتر بود که توان پردازشی آن 1.9 گیگا فلاپ بوده که مغز انسان10.5 میلیون برابر قدرت پردازشی بالاتری را داشته
.می بینیم که در طول بیست سال پیشرفت قابل ملاحظه ای بوده و حدود دو میلیون برابر کامپیوتر ها قویتر شدند. اما هنوز قدرت آنها در مقابل قدرت مغز انسان چنان ضعیف بوده که درصورتی که با پدیده رشد تصاعدی و قانون مور آشنایی نداشته باشیم ، امکان رسیدن انها به مغز را غیر ممکن خواهیم دانست.
گام بزرگ بعدی در سال 97 با ASCI_RED برداشته شد که توان پردازشی معادل یک ترافلاپ داشته. مغز انسان هم اکنون فقط بیست هزار برابر قویتر بوده است.
در این زمان هزینه ساخت سخت افزاری با قدرت مغز انسان فقط یک تریلیون دلار ناقابل شده بود.کمتر از 10 درصد تولید ناخالص داخلی آمریکا
. در اینجا به طور خلاصه به نام بعضی از سوپرکامپیوتر های بعدی و درصد آنها نسبت به مغزانسان می پردازم، در سال 2007 بلوجین از ای-بی-ام به حدود نیم پتافلاپ یا یک چهلم مغز انسان رسید ، در سال 2008 رودرانر به پنج درصد مغز انسان، در سال 2010 کامپیوتر چینی TIANHE-AIبه 12 درصد و در سال 2011 “فوجیتسو کی کامپیوتر به عدد 10.5 پتا فلاپ و بیش از 50 درصد مغز انسان و هم اکنونIBM Sequoia به 16.32 و حدود هشتاد درصدمغز انسان رسیده و فقط با دویست و پنجاه میلیون دلار.
ملاحظه می کنید در فاصله سالهای 64 تا 2012 یعنی 48 سال توان پردازشی سوپرکامپیوتر ها شانزده میلیارد برابر قویتر شده است از طرفی هزینه ساخت میلیونها برابر ارزانتر شده است . و تمامی شواهد از ادامه این رشد با همین سرعت و حتی سریعتر از قبل حکایت دارد. پس از نظر سخت افزاری دسترسی به توان پردازشی مغز انسان ممکن شده است و ما در آستانه گذشتن از آن در سوپر کامپیوتر های سیصد میلیون دلاری هستیم.
سوال : آیا میتوانیم چنین قدرت پردازشی را در گجت های 1000 دلاری مثل آیفون داشته باشیم؟
جواب: چرا که نه. با سرعت رشدی که در پیش داریم ، در سال 2019 میتوان انتظارداشت با 1000 دلار قدرت پردازشی برابر مغز انسان را روی کامپیوتر های خانگی خود داشته باشیم ودر سال 2030 قدرت پردازشی معادل مغز های کلیه اهالی یک روستای کوچک و در سال 2055 توان پردازشی معادل مغز همه انسان های روی کره زمین را فقط با هزار دلار میتوان داشت!
در این تصویر نمودار پیشرفت پردازش کامپیوتری و پیش بینی آینده آن را می تونید ببینید.
و همچنین
تا اینجا بخشی از افسانه مغز پایان یافت ،بخشی که توان پردازشی مغز را خارج از دسترس میداند، ولی نکته مهم اینست که توان پردازشی اصولا بخشی از ویژگی مغز است و پیچیدگی اصلی مغز انسان پیچیدگی نرم افزاری آن است. در اینجا من مجبورم از کلمه چانک (قطعه) استفاده کنم، چرا که قطعه واژه مناسبی برای ترجمه آن نیست و معادل دیگری نیافتم، ظاهرا در روزنامه نگاری آنلاین هم همین لغت به همین صورت وارد شده است. در انجا منظور از چانک یک “قطعه دانش” هست.
تحقیقات نشان داده که هر متخصص انسانی در حوزه تخصصی خود، چیزی بین پنجاه هزار تا صد هزار چانک (قطعه دانش) دارا می باشد. این محدوده تقریبی از بررسی متخصیصن حوزه های مختلف بدست امده است. به عنوان مثال تعداد الگوهای حرکتی ممکن برای یک استاد (مستر)در شطرنج ، تعداد کانسپت های مورد نیاز برای یک متخصص در حوزه تکنیکی خاص، تعداد کلماتی که شکسپیر در کتابهای خود بکار برده است(29000 کلمه).
دانش تخصصی تقریبا زیر مجموعه کوچکی از دانسته هایی را شامل می شود که بتوان صاحب آن را صاحب درک انسانی دانست. دانش پایه درک جهان، یعنی آن چیزی که ما ان را عقل سلیم می نامیم ، به مراتب گسترده تر است. ما همچنین توانایی درک شناخت الگو ها را داریم، صحبت کردن به یک زبان، نوشتن به آن زبان، تشخیص اشیا و چهره ها. همچنین ما مهارت هایمان را داریم، راه رفتن، صحبت کردن، گرفتن توپ.
کورزویل معتقد است که حتی با تخمینی محافظه کارانه، میزان دانش کلی یک فرد نوعی، هزار برابر بیشتر از میزان دانش تخصصی وی در حوزه تخصصش می باشد.
این تخمین ما را به عددی حدود صد میلیون چانک (قطعه دانش) –از ادراک ها، کانسپت ها، الگو ها و مهارت ها-به ازای هر انسان می رساند. با توجه به صد میلیارد نورون و دارا بودن هزار کانکشن برای هر نورون، می دانیم مجموعه کانکشن های مغز صد تریلیون کانکشن می باشد و این مغز دارای صد میلیون چانک آگاهی(شامل الگوها و مهارت ها) است. پس به عدد یک میلیون کانکشن برای هر چانک می رسیم
کامپیوترهای کنونی ما شبکه های عصبی از مدل های مختلف نورون ها را شبیه سازی می کنند، که البته همه آنها نسبتا ساده هستند. تلاشهایی که برای ساختن مدل الکترونیکی نورون های پستانداران واقعی شده است نشان می دهد با وجودی که نورون های حیوانات بسیار پیچیده تر از نورون های کامپیوتری هستند ، اما این پیچیدگی چندان هم تفاوتی در نتایج ایجاد نمیکند. حتی با استفاده از نورون های ساده تر کامپیوتری ،متوجه شدیم که قادر هستیم یک چانک (قطعه دانش)-یک صورت،شکل یک حرف، یک صوت، معنای یک کلمه- را با کمتر از هزار کانکشن مدل کنیم. نتیجه می گیریم که تخمین ما که مغز انسان از یک میلیون کانکشن نورونی برای هر چانک دانش استفاده میکند،منطقی به نظر می آید.
در واقع خیلی بیشتر از حدِ طبیعی به نظر می آید، چرا که حتی اگر تخمین خود را (برای تعداد چانک ها)هزار برابر بزرگتر در نظر بگیریم باز هم جواب می گیریم.
ظاهرا مغز انسان دانش را به روشی با کارایی بسپار پایین تر از چیزی که ما در ماشن هایمان بکار میبریم ، رمزنگاری می کند.این بی کفایتی ظاهری با این نکته که مغز انسان به شدت محافظه کارانه طراحی شده است مرتبط است.
مغز انسان برای رسیدن به ضریب اطمینان بسیار بالا در شرایط مختلف و همچنین اطمینان از عملکرد خوب در شرایطی که نورون ها بدلیل افزایش سن از دست میروند ، با اضافات تکراری زیاد و همچنین چگالی بسیار پایین ذخیره اطلاعات طراحی شده است.
نتیجه گیری کورزویل از ساختار طراحی محافظه کارانه مغز این است که ما اصلا نیاز نداریم که تمام نورون ها را تک تک مدلسازی کنیم، چرا که هم از توان ما خارج است(سال2000) و هم نیازی نیست که محافظه کاری های سیستم حیاتی مغز را رعایت کنیم.
(منبع : وبلاگ سينگولاريتي)
نوشته شده در گروه: روانشناسی, مقاله
ارسال دیدگاه (۰) ↓