شبیهسازی مغز انسان با ابرکامپیوترهای امروزی: چقدر سختافزار نیاز داریم؟
دانستن روند پیشرفت تکنولوژی در شبیهسازی پیچیدهترین ساختار هستی یعنی مغز میتواند برای هر علاقهمند به دنیای صفر و یک بسیار دانشافزا و مفرح باشد. در این مطلب قصد داریم بررسی کنیم که پس از گذشت سالها از آن خبر جنجالی، حالا کجای مسیر ایستادهایم و آیا واقعا به مرز شبیهسازی آنی رسیدهایم؟ آیا درست است که میگویند تراشههای جدید هوش مصنوعی فاصله ما را با کپی کردن آگاهی به حداقل رساندهاند؟ چرا با وجود پردازندههای غولآسا هنوز هم در بازسازی دقیق رفتارهای یک نوزاد انسانی ناتوان هستیم؟ بیایید با هم مروری بر این اعداد و ارقام شگفتانگیز داشته باشیم و ببینیم در عصر حکمرانی انویدیا (NVIDIA) چه تغییراتی در محاسبات عصبی رخ داده است.
فهرست مطالب
- یادی از گذشته: وقتی ۴۰ دقیقه برای یک ثانیه میجنگیدیم
- انقلاب پردازشگرهای گرافیکی و شبیهسازی موازی
- تراشههای نورومورفیک: تقلید مستقیم از بیولوژی
- مصرف انرژی: شکاف بزرگ بین ساندویچ و نیروگاه
- شبکههای عصبی اسپایکی و مدلسازی دقیق
- تراشه سراس (Cerebras) و دنیای پردازش روی یک ویفر
- اتصالشناسی یا کانکتوم: نقشهبرداری از جادههای مغز
- تاثیر هوش مصنوعی مولد بر سرعت شبیهسازی
- خطاهای علمی و تصورات غلط در مورد ظرفیت مغز
- آینده شبیهسازی: آیا به سختافزارهای کوانتومی نیاز داریم؟
یادی از گذشته: وقتی ۴۰ دقیقه برای یک ثانیه میجنگیدیم
حدود یک دهه پیش خبر رسید که ابرکامپیوتر «کی» (K Computer) در ژاپن توانسته است یک ثانیه از فعالیت مغز را شبیهسازی کند. این پروژه عظیم که از ۸۳ هزار پردازنده استفاده میکرد حدود ۴۰ دقیقه زمان نیاز داشت تا فقط یک ثانیه فعالیت عصبی را پردازش کند. در آن زمان این یک موفقیت بزرگ به حساب میآمد که مرزهای توانایی محاسباتی بشر را به رخ میکشید. دانشمندان با استفاده از معماری پیچیده توانستند ۱.۷۳ میلیارد نورون را در این مدل جای دهند که عدد خیرهکنندهای بود. با این حال این مقدار فقط حدود یک درصد از کل توان پردازشی مغز یک انسان بالغ را شامل میشد.
آن زمان همه فکر میکردند با دوبرابر شدن قدرت پردازندهها طبق قانون مور به سرعت به شبیهسازی زنده میرسیم. اما واقعیت این است که ساختار مغز فقط به تعداد نورونها خلاصه نمیشود و اتصالات نقش کلیدی دارند. سیستمهای قدیمی در انتقال داده بین این تعداد انبوه پردازنده دچار گلوگاه (Bottleneck) میشدند. به همین دلیل ۴۰ دقیقه زمان صرف میشد تا دادههای مربوط به یک ثانیه جابهجا و محاسبه شوند. در واقع بخش بزرگی از آن زمان صرف هماهنگی بین پردازندهها میشد نه لزوما خود محاسبات ریاضی عصبی.
انقلاب پردازشگرهای گرافیکی و شبیهسازی موازی
امروزه با ظهور معماریهایی مثل «هاپر» (Hopper) از شرکت انویدیا دیگر نیازی به ۸۳ هزار پردازنده مرکزی (CPU) برای کارهای مشابه نیست. یک خوشه کوچک از کارتهای گرافیک H100 میتواند محاسبات موازی را با سرعتی هزاران برابر بیشتر از پردازندههای ده سال پیش انجام دهد. این تراشهها به جای تمرکز بر قدرت تکهستهای روی اجرای همزمان میلیونها عمل ریاضی کوچک تمرکز دارند که دقیقا مشابه رفتار شبکههای عصبی است. شبیهسازیهای مدرن حالا میتوانند همان یک درصد مغز را به جای ۴۰ دقیقه در چند ثانیه یا حتی نزدیک به زمان واقعی (Real-time) پردازش کنند. البته این پیشرفت به معنای حل کامل مسئله نیست چون پیچیدگی سیناپسها هنوز از توان سختافزار جلوتر است. معماریهای جدید اجازه میدهند تا مدلهای بزرگتر با حافظه اشتراکی بسیار سریعتر از قبل با هم ارتباط برقرار کنند.
تراشههای نورومورفیک: تقلید مستقیم از بیولوژی
تراشههایی مثل «لویی» (Loihi) اینتل یا «اسپیناکر» (SpiNNaker) رویکرد متفاوتی را در پیش گرفتهاند و اصلا شبیه پردازندههای معمولی کار نمیکنند. این سختافزارها بر اساس معماری نورومورفیک (Neuromorphic) ساخته شدهاند که یعنی ساختار فیزیکی آنها شبیه به نحوه کارکرد نورونهای واقعی طراحی شده است. در این تراشهها محاسبات فقط زمانی انجام میشود که یک پالس یا اسپایک الکتریکی ارسال شود که باعث صرفهجویی شدید در زمان میشود. با این تکنولوژی دیگر نیازی نیست منتظر چرخههای ساعت (Clock cycles) بمانیم و پردازش به صورت کاملا غیرهمزمان انجام میپذیرد. این یعنی سختافزار مستقیما زبان مغز را میفهمد و نیازی به واسطههای نرمافزاری سنگین ندارد.
استفاده از این تراشهها باعث شده که شبیهسازیها نه تنها سریعتر بلکه بسیار کوچکتر و ارزانتر شوند. حالا یک محقق با یک ایستگاه کاری (Workstation) قدرتمند میتواند کاری را انجام دهد که قبلا نیاز به یک ساختمان پر از ابرکامپیوتر داشت. این تغییر رویکرد از محاسبات عمومی به محاسبات اختصاصی عصبی بزرگترین جهش یک دهه اخیر بوده است. تراشههای نورومورفیک در حال حاضر میتوانند میلیونها نورون را با مصرف برقی کمتر از یک لامپ صد وات شبیهسازی کنند. این دقیقا همان مسیری است که شبیهسازی مغز را از یک رویای علمیتخیلی به یک ابزار تحقیقاتی روزمره تبدیل کرده است. هدف نهایی این است که کل فعالیت مغز را در فضایی به اندازه یک کیس کامپیوتر جا دهیم.
مصرف انرژی: شکاف بزرگ بین ساندویچ و نیروگاه
یکی از بزرگترین چالشها در شبیهسازی مغز بحث مصرف انرژی است که اغلب در اخبار به آن اشاره نمیشود. مغز انسان با تمام پیچیدگیاش فقط حدود ۲۰ وات انرژی مصرف میکند که تقریبا معادل انرژی یک ساندویچ در روز است. در مقابل ابرکامپیوترهایی که قصد شبیهسازی آن را دارند مگاواتها برق مصرف میکنند که برای تامین آن به یک نیروگاه کوچک نیاز است. حتی با وجود تراشههای کممصرف جدید باز هم فاصله بهرهوری انرژی بین سیلیکون و کربن بسیار زیاد است. دانشمندان در تلاشند تا با الهام از ساختار بیولوژیکی راهی برای کاهش این مصرف سرسامآور پیدا کنند.
شبکههای عصبی اسپایکی و مدلسازی دقیق
در مدلهای قدیمی هوش مصنوعی همه چیز به صورت اعداد اعشاری ساده بود اما مغز واقعی با پالسهای الکتریکی کار میکند. شبکههای عصبی اسپایکی (SNN) مدلهای پیشرفتهای هستند که این رفتار پالسگونه را با دقت بسیار بالایی شبیهسازی میکنند. پیادهسازی این مدلها روی سختافزارهای معمولی بسیار سخت است و نیاز به توان محاسباتی وحشتناکی دارد. اما با کمک شتابدهندههای جدید محققان میتوانند واکنشهای شیمیایی پشت هر پالس عصبی را هم در مدل خود لحاظ کنند. این سطح از جزئیات به ما اجازه میدهد تا بفهمیم داروها چطور روی پیامرسانهای عصبی اثر میگذارند. در واقع ما از شبیهسازی عددی به سمت شبیهسازی بیولوژیکی حرکت کردهایم.
این مدلها به ما نشان دادند که زمانبندی هر پالس عصبی حتی در حد میلیثانیه چقدر در یادگیری اهمیت دارد. بدون سختافزارهای مدرن محاسبه این زمانبندیهای دقیق برای میلیاردها اتصال عملا غیرممکن بود. حالا میتوانیم مدلی بسازیم که نه تنها مثل مغز فکر میکند بلکه مثل آن هم یاد میگیرد و تغییر میکند. این فرآیند که پلاستیسیته (Plasticity) نام دارد به سختافزاری نیاز دارد که مدام در حال بازنویسی اتصالات خود باشد. در سیستمهای جدید این قابلیت به صورت سختافزاری تعبیه شده تا سرعت یادگیری مدل به شدت بالا برود. این تکنولوژی میتواند در آینده به ساخت پروتزهای عصبی هوشمند منجر شود که مستقیما با سیستم عصبی انسان جفت میشوند.
تراشه سراس (Cerebras) و دنیای پردازش روی یک ویفر
شرکت سراس با معرفی تراشههای غولپیکر خود که به اندازه یک سینی غذا هستند قواعد بازی را عوض کرده است. این تراشه که بزرگترین قطعه سیلیکونی جهان محسوب میشود اجازه میدهد کل مدل مغز روی یک تکه سختافزار بماند. در ابرکامپیوترهای قدیمی زمان زیادی هدر میرفت چون دادهها باید بین هزاران تراشه مختلف جابهجا میشدند. با معماری «ویفر اسکیل» (Wafer-Scale) همه نورونهای شبیهسازی شده همسایه دیوار به دیوار هم هستند و با سرعت نور ارتباط میگیرند. این یعنی گلوگاه ارتباطی که در پروژه ۸۳ هزار پردازندهای وجود داشت به طور کامل حذف شده است. چنین سیستمی میتواند شبیهسازیهایی با ابعاد مغز پستانداران بزرگ را در کسری از زمان ممکن کند.
اتصالشناسی یا کانکتوم: نقشهبرداری از جادههای مغز
فقط داشتن پردازنده کافی نیست چون ما باید بدانیم کدام نورون به کدام نورون متصل است. پروژههای عظیم کانکتوم (Connectome) در حال تهیه نقشهای دقیق از تمام اتصالات مغزی هستند که حجم دادهای معادل زتابایت تولید میکنند. ذخیرهسازی و خواندن این حجم از داده به سیستمهای ذخیرهسازی فوق سریعی نیاز دارد که ده سال پیش حتی تصورش هم محال بود. امروزه حافظههای NVMe و سیستمهای ابری پیشرفته اجازه میدهند این نقشههای دیجیتال را با سرعت بالا در مدلهای شبیهسازی بارگذاری کنیم. بدون این نقشه حتی قویترین ابرکامپیوتر جهان هم مثل ماشینی است که جادهای برای حرکت در اختیار ندارد.
نقشهبرداری از مغز به ما نشان داده که ساختار اتصالات چقدر از آنچه فکر میکردیم پیچیدهتر و آشوبناکتر است. هر نورون میتواند هزاران اتصال داشته باشد که هر کدام قدرت متفاوتی در انتقال سیگنال دارند. برای شبیهسازی این موضوع نیاز به پهنای باند حافظه بسیار بالایی داریم که فقط در آخرین نسل تراشههای گرافیکی یافت میشود. در واقع چالش اصلی امروز دیگر قدرت پردازش نیست بلکه سرعت انتقال اطلاعات بین سلولهای حافظه است. محققان در حال کار روی تکنولوژیهایی هستند که حافظه را مستقیما روی پردازنده قرار میدهند تا این مشکل حل شود. اگر این اتفاق بیفتد سرعت شبیهسازیها میتواند یک جهش کوانتومی دیگر را تجربه کند. در نهایت هدف این است که کل نقشه مغز را در یک سیستم یکپارچه به صورت زنده اجرا کنیم.
تاثیر هوش مصنوعی مولد بر سرعت شبیهسازی
شاید عجیب باشد اما خود هوش مصنوعی به ما کمک میکند تا مغز را بهتر شبیهسازی کنیم. الگوریتمهای جدید میتوانند بخشهای پیچیده مغز را خلاصه کنند و مدلهای سادهتری بسازند که همان رفتار را با محاسبات کمتر نشان میدهند. این کار شبیه به فشردهسازی ویدیو است که حجم را کم میکند اما کیفیت را تا حد زیادی نگه میدارد. با این روش سختافزارهای فعلی میتوانند مدلهایی را اجرا کنند که در حالت عادی به ده برابر قدرت بیشتر نیاز داشتند. هوش مصنوعی در واقع نقش یک کاتالیزور را بازی میکند که فاصله بین قدرت سختافزار و پیچیدگی مغز را پر کرده است. این همافزایی باعث شده که سرعت پیشرفت در این حوزه در دو سال اخیر از کل ده سال قبل بیشتر باشد.
خطاهای علمی و تصورات غلط در مورد ظرفیت مغز
یکی از بزرگترین سوءبرداشتها این است که مغز را صرفا مثل یک هارد دیسک با ظرفیت مشخص میبینند. برخی میگویند ظرفیت مغز چند پتابایت است اما مغز اطلاعات را ذخیره نمیکند بلکه آنها را در الگوهای اتصالی بازسازی میکند. شبیهسازیهای قدیمی چون فقط روی تعداد نورون تمرکز داشتند در بازسازی حافظه طولانیمدت شکست خوردند. ما متوجه شدیم که فضای بین نورونها و سلولهای پشتیبان مثل «آستروسیتها» هم در محاسبات نقش دارند. سختافزار مدرن حالا باید این سلولهای غیرعصبی را هم شبیهسازی کند تا به واقعیت نزدیک شود. بنابراین شبیهسازی فقط درباره نورونها نیست و کل محیط شیمیایی مغز را در بر میگیرد.
در گذشته فکر میکردند که اگر فقط یک مدل ریاضی از نورون داشته باشند کار تمام است. اما بعدها مشخص شد که نوسانات تصادفی و نویزهای حرارتی هم در تصمیمگیریهای مغز تاثیرگذار هستند. سختافزارهای دیجیتال چون ذاتا دقیق و بدون نویز هستند در شبیهسازی این رفتارهای طبیعی به مشکل میخوردند. حالا دانشمندان به صورت عمدی نویزهای تصادفی را به محاسبات تراشهها اضافه میکنند تا رفتار طبیعیتر شود. این پارادوکس جالبی است که برای دقیقتر بودن باید کمی از دقت ریاضی سیستم کم کنیم. این یافتهها نگاه ما را به هوش مصنوعی و تفاوت آن با هوش بیولوژیکی به کلی تغییر داده است. حالا میدانیم که بخشی از خلاقیت انسان ممکن است ناشی از همین خطاهای کوچک در انتقال پیامهای عصبی باشد.
آینده شبیهسازی: آیا به سختافزارهای کوانتومی نیاز داریم؟
بسیاری از دانشمندان معتقدند که برای شبیهسازی کامل آگاهی ممکن است به کامپیوترهای کوانتومی نیاز داشته باشیم. اگرچه تراشههای فعلی در محاسبات موازی عالی هستند اما در شبیهسازی حالتهای احتمالی همزمان محدودیت دارند. کامپیوترهای کوانتومی میتوانند میلیونها حالت یک سیناپس را به صورت همزمان مدلسازی کنند که سرعتی فراتر از تصور ایجاد میکند. البته هنوز در مراحل ابتدایی این تکنولوژی هستیم و فعلا ابرکامپیوترهای کلاسیک پادشاهی میکنند. اما با سرعتی که پیش میرویم شاید تا دهه آینده شبیهسازی کامل مغز روی میز کار هر محققی قرار بگیرد. این سفری است که از ۸۳ هزار پردازنده شروع شد و شاید به یک تراشه کوچک کوانتومی ختم شود.
جمعبندی نهایی
مسیر شبیهسازی مغز از پروژههای سنگین و زمانبر قدیمی به سمت تراشههای هوشمند و نورومورفیک امروزی تغییر یافته است. ما آموختهایم که قدرت خام پردازنده به تنهایی کافی نیست و معماری اتصالات و بهرهوری انرژی چالشهای اصلی ما هستند. با ظهور سختافزارهای جدید مانند GPUهای سری Blackwell و تراشههای اختصاصی AI، مرزهای بین محاسبات دیجیتال و بیولوژیک در حال کمرنگ شدن است. هرچند هنوز تا شبیهسازی کامل و آنی مغز انسان فاصله داریم، اما ابزارهای کنونی ما را به درکی عمیقتر از خودمان رساندهاند. این تلاش نه فقط برای ساخت ماشینهای باهوش، بلکه برای گشودن رمز و رازهای بیپایان ذهن و آگاهی انسان است که در نهایت میتواند آینده پزشکی و هوش مصنوعی را به کلی دگرگون سازد.
سوالات متداول
با بیش از ۲۰ سال نویسندگی «ترکیبی» مستمر در زمینهٔ پزشکی، فناوری، سینما، کتاب و فرهنگ.
باشد که با هم متفاوت بیاندیشیم!
مطالب مرتبط
بنام خداوند بخشنده مهربان
فقط می توان گفت :
لاحول و لا قوه الا بالله العلى العظیم
دهنم باز مونده . . .
الله اکبر . . .
خیلی جالب بود
ممنون :)
نتایج شگفتانگیز، از سویی خجالتآور و از سویی دیگر ترسناک!
مغز انسان بطور پارالل محاسبات را انجام میدهد و در صورت از کار افتادن حتی 90 درصد از توان آن باز میتواند به کار خود ادامه دهد ولی کامپیوتر ها بطور سری محاسبات را انجام میدهند یعنی اگر مشکلی در سیستم پیش بیاید دیگر کار نخواهد کرد.
اگه این موضوع ثابت شده باشه نکته جالبی رو اشاره کردین.
خخخ انسان می خواهد کامپیوتری بسازه که قدرت پردازشش از آفریده های خدا بیشتر باشه.
نمی تونن و نمیشه الکی پول خرج نکنن
شاید شد ! حکایت شما همون برخورد قرون وسطی هست که با گالیله کردن .
Big like
خخخخ مرض ! شما بشین دعا کنن …. انسان با همین فکرش میسازه
برگی از درخت نمی افتد اگر خداوند نخواهد.
ولی شدن این کار یعنی آفرینش انسانی که بدون روح است که به نظر میرسد با خواست خداوند این کار شدنی است.
ولی از آنجایی که روح انسان متعلق به خداست و خداوند از وجود خود در وجود انسان دمیده است.
(اشاره به آیه قرآن:
و نفخت فیه من روحی
و از وجود خود در وجود او (انسان) دمیدم)
فقط خداوند خالق انسانهاست و البته خیلی چیزهای دیگر که ما حتی نمیدانیم.
تا حدودا 15 سال دیگه بشر می تونه کامپیوتری درست کنه به اندازه کامپیوتر های رو میزی ولی با توان پردازشی مغز شما این یعنی هر ابر رایانه توی اون زمان می تونه کل پردازش های کل مغز های انسان ها رو توی کمتر از یک ثانیه انجام بده.
مقایسه دو سیستم اطلاعاتی متفاوت با واحد توان پردازشی یک مقداری عجیب به نظر می رسد.
مطلب بالا تداعی کننده بسیاری مقایسه جانبی برای هر خواننده ای است که به گمانم جنبه علمی ندارند.این هم از مضرات یک مطلب pop science شور می باشد که احتمالا چهارچوب نگارش آن(نه اصل تحقیق)به هدف تهییج مخاطب عادی صورت پذیرفته نه بالا بردن سطح نگرش علمی جامعه.
خلاصه این که با استناد به مقایسه ها و جمله بندی های مطلب بالا(منبع انگلیسی)کامپیوتر ها هم می توانند ادعا کنند که پردازش یک عملیات ریاضی مثالیt طول میکشد و برای انسان t به توان 52 پس کامپیوتر ها فلان قدر سریع تر از انسان هستند!
و متاسفانه و متاسفانه مغزمون در حد دیدن کانال های جم تی وی و انواع و اقسام مسائل بی خود دیگه خوب کارکرد داره …
این مطلب از اون چیزاست که باید پرینت گرفت و هر روز خوند . از یک دعایی که حتی معنیش رو نمیدونیم ارزش خیلی بیشتری داره
به نکته خوبی اشاره کردین، ممنون.
مجید جان دلبندم
خوب برو معنی دعا رو بخون تا ارزشش رو بدونی.
آدم معتقد این دو چیز رو با هم مقایسه نمی کنه.
دعا کردن خواهش و درخواست پیش خداست. همان خدایی که این مغز رو به من و شما داده.