नई एल्गोरिथ्म के लिए लाया गया है करने के लिए हमें एक पूर्ण अनुकरण मस्तिष्क के

प्रसिद्ध भौतिक विज्ञानी रिचर्ड फेनमैन ने एक बार कहा था: "क्या मैं बना नहीं सकता, मुझे समझ में नहीं आता । जानने के लिए कैसे एक समस्या को हल किया गया था कि पहले से ही हल है." के दायरे तंत्रिका विज्ञान है, जो तेजी से गति प्राप्त कर रहा है, ले लिया फेनमैन के शब्दों के लिए दिल. Neuroscientists के लिए, सिद्धांतकारों को समझने के लिए महत्वपूर्ण है कि कैसे खुफिया हो जाएगा अपने मनोरंजन के लिए अपने कंप्यूटर के अंदर. न्यूरॉन के न्यूरॉन, वे कोशिश कर रहे हैं बहाल करने के लिए तंत्रिका प्रक्रियाओं को जन्म दे कि विचार, यादें या भावनाओं. एक डिजिटल मस्तिष्क, वैज्ञानिकों परीक्षण करने में सक्षम हैं हमारे वर्तमान ज्ञान के सिद्धांत या पता लगाने के लिए पैरामीटर है कि विघटन करने के लिए नेतृत्व के मस्तिष्क समारोह. के रूप में सुझाव दिया द्वारा दार्शनिक निक Bostrom के ऑक्सफोर्ड विश्वविद्यालय, एक नकली मानव चेतना का एक सबसे होनहार (और श्रमसाध्य) जिस तरह से विश्राम करने के लिए — और श्रेष्ठ — मानव विदग्धता.

वहाँ सिर्फ एक ही समस्या है: हमारे कंप्यूटर सामना नहीं कर सकते के साथ समानांतर प्रकृति के हमारे दिमाग है. में polutorachasovom शरीर मुड़ और अधिक से अधिक 100 अरब न्यूरॉन्स और synapses के अरबों.

यहां तक कि सबसे शक्तिशाली सुपर कंप्यूटर आज कर रहे हैं के पीछे इन तराजू की तरह, कश्मीर के कंप्यूटर उन्नत संस्थान के लिए कम्प्यूटेशनल विज्ञान कोबे, जापान में, प्रक्रिया कर सकते हैं कोई 10 से अधिक% के न्यूरॉन्स और उनके synapses के कोर्टेक्स में.

भाग का सुस्त सॉफ्टवेयर के साथ जुड़े. हो जाता है तेजी से कंप्यूटर उपकरण, और अधिक एल्गोरिदम के आधार बनने के लिए एक पूर्ण अनुकरण मस्तिष्क के.

इस महीने, वैज्ञानिकों के एक अंतरराष्ट्रीय समूह है, पूरी तरह से संशोधित संरचना के लोकप्रिय एल्गोरिथ्म अनुकरण के द्वारा विकसित एक शक्तिशाली तकनीक है कि बिल्कुल कम कर देता है, गणना समय और स्मृति के उपयोग । नई एल्गोरिथ्म के साथ संगत है के विभिन्न प्रकार के कंप्यूटिंग उपकरणों के लिए लैपटॉप से सुपर कंप्यूटर है. जब भविष्य में सुपर-कंप्यूटर पर आते हैं — और वे कर रहे हैं 10-100 गुना अधिक शक्तिशाली की तुलना में एक वर्तमान एल्गोरिथ्म तुरंत लागू किया पर इन राक्षसों.

"नई प्रौद्योगिकी के लिए धन्यवाद, हम का उपयोग कर सकते हैं बढ़ रही है समानता में आधुनिक माइक्रोप्रोसेसरों तुलना में ज्यादा बेहतर है इससे पहले कि कहते हैं," अध्ययन के लेखक याकूब जॉर्डन, अनुसंधान के केंद्र में जूलिया जर्मनी. इस काम में प्रकाशित किया गया था में फ्रंटियर्स Neuroinformatics है.

"यह एक महत्वपूर्ण कदम है के निर्माण की दिशा प्रौद्योगिकी प्राप्त करने के लिए सिमुलेशन के नेटवर्क भर में मस्तिष्क," इस लेखक लिखें.

समस्या के पैमाने

आधुनिक सुपर कंप्यूटर से मिलकर बनता है के हजारों की सैकड़ों के उप नोड्स. प्रत्येक नोड शामिल हैं एकाधिक प्रसंस्करण केन्द्रों, जो समर्थन कर सकते हैं की एक मुट्ठी आभासी न्यूरॉन्स और उनके कनेक्शन.

मुख्य समस्या के अनुकरण में मस्तिष्क के लिए कैसे प्रभावी ढंग से प्रतिनिधित्व करते हैं के लाखों लोगों के न्यूरॉन्स और उनके कनेक्शन में इन केन्द्रों पर बचाने के लिए समय और शक्ति है.

एक के सबसे लोकप्रिय सिमुलेशन एल्गोरिदम — स्मृति के उपयोग का मॉडल है । इससे पहले वैज्ञानिकों का अनुकरण परिवर्तन में उनके तंत्रिका नेटवर्क, वे चाहिए बनाने के सभी इन न्यूरॉन्स और उनके कनेक्शन में आभासी मस्तिष्क कलन विधि का उपयोग. लेकिन यहाँ पकड़ है: प्रत्येक जोड़ी के लिए न्यूरॉन्स के, मॉडल दुकानों के बारे में सभी जानकारी कनेक्शन पर प्रत्येक नोड है, जो प्राप्त करने न्यूरॉन — पोस्टअन्तर्ग्रथनी न्यूरॉन. दूसरे शब्दों में, प्रीसानेप्टिक न्यूरॉन है, जो बिजली के उद्यमी भेजता है, चिल्ला शून्य में; एल्गोरिथ्म निर्धारित करना चाहिए, जहां एक विशेष संदेश है, पर केवल देख रहे हैं को प्राप्त करने के न्यूरॉन और में संग्रहीत डेटा नोड है ।

यह अजीब लग सकता है, लेकिन इस मॉडल की अनुमति देता है सभी नोड्स का निर्माण करने के लिए अपने काम का हिस्सा तंत्रिका नेटवर्क में समानांतर में. यह नाटकीय रूप से कम कर देता है, डाउनलोड समय है, जो आंशिक रूप से की लोकप्रियता बताते हैं इस एल्गोरिथ्म है ।

लेकिन जैसा कि आप अंदाज़ा लगा सकते है, वहाँ रहे हैं गंभीर समस्याओं के साथ स्केलिंग है । प्रेषक नोड एक संदेश भेजता है करने के लिए सभी मेजबान के तंत्रिका नोड्स. इसका मतलब यह है कि प्राप्त प्रत्येक नोड तरह प्रत्येक संदेश नेटवर्क में — यहां तक कि उन है कि कर रहे हैं करने के लिए बनाया गया न्यूरॉन्स में स्थित अन्य नोड्स है ।

इसका मतलब यह है कि का एक बड़ा हिस्सा के संदेश को खारिज कर दिया है पर, प्रत्येक नोड विशेष रूप से है क्योंकि वहाँ कोई न्यूरॉन, जो करने के लिए इसे संबोधित किया है. कल्पना कीजिए कि पोस्ट ऑफिस भेजता है सभी कर्मचारियों को देश में ले जाने के लिए एक वांछित संदेश है । पागल अक्षम है, लेकिन यह काम करता है के रूप में सिद्धांत मॉडल की स्मृति का उपयोग.

समस्या बन जाता है और अधिक गंभीर के विकास के साथ आकार की कृत्रिम तंत्रिका नेटवर्क है । प्रत्येक नोड के लिए की जरूरत है के लिए भंडारण स्थान आवंटित स्मृति "पता पुस्तिका" सूची है कि तंत्रिका निवासियों और उनके रिश्तों में । के पैमाने में अरबों न्यूरॉन्स के "पता पुस्तिका" हो जाता है एक विशाल दलदल की स्मृति.

आकार या स्रोत

वैज्ञानिकों फटा है, समस्या को जोड़ने के द्वारा एल्गोरिथ्म में सूचकांक.

यहाँ है कि यह कैसे काम करता है. प्राप्त नोड्स होते हैं के दो टुकड़े के बारे में जानकारी । पहली बार एक डेटाबेस है कि स्टोर के बारे में जानकारी के सभी न्यूरॉन्स-कि प्रेषकों से कनेक्ट करने के लिए नोड्स. के बाद से synapses के कई आकार और प्रकार में मतभेद है, जो स्मृति के उपयोग, डेटाबेस भी प्रकार आपकी जानकारी के प्रकार पर निर्भर करता है synapses के गठन के द्वारा न्यूरॉन्स में नोड है ।

यह सेटिंग पहले से ही है से काफी अलग पिछले मॉडल में जो संघों हल किया गया से आने वाली स्रोत के न्यूरॉन्स, और प्रकार के synapse. इस वजह से, नोड नहीं रह गया है, का समर्थन करने के लिए "पता पुस्तिका".

"डेटा के आकार के इस प्रकार की संरचना करने के लिए रहता है पर निर्भर कुल संख्या में न्यूरॉन्स के नेटवर्क," समझाने के लेखकों.

दूसरे ब्लॉक की दुकानों के बारे में डेटा वास्तविक के बीच कनेक्शन प्राप्त करनेनोड और प्रेषक. तरह की पहली इकाई है, यह आयोजन करता है डेटा के प्रकार के अनुसार synapse. के प्रत्येक प्रकार में synapse से अलग हो रहे हैं डेटा स्रोत (भेजने न्यूरॉन).

इस प्रकार, इस एल्गोरिथ्म के लिए विशिष्ट है: अपने पूर्ववर्ती के बजाय भंडारण के सभी कनेक्शन जानकारी में प्रत्येक नोड, नोड्स प्राप्त करने की दुकान केवल उन जो डेटा अनुरूप करने के लिए आभासी न्यूरॉन्स में उन्हें.

शोधकर्ताओं ने भी प्रत्येक के लिए भेजने के न्यूरॉन लक्षित करने के लिए पता पुस्तक. प्रसारण के दौरान, डेटा टुकड़ों में विभाजित है, प्रत्येक टुकड़ा शामिल है कि कोड, पोस्टल कोड भेजता है, यह करने के लिए उचित प्राप्त करने नोड्स है ।

फास्ट और स्मार्ट

के संशोधन का काम है.

परीक्षण में, नए कलन विधि से पता चला खुद को ज्यादा बेहतर, अपने पूर्ववर्तियों की तुलना के संदर्भ में क्षमता और गति है । पर सुपर कंप्यूटर JUQUEEN जर्मनी में, एल्गोरिथ्म काम के द्वारा 55% की तुलना में तेजी से पिछले मॉडल पर यादृच्छिक तंत्रिका नेटवर्क, ज्यादातर के लिए धन्यवाद, इसका सीधा योजना के डेटा के हस्तांतरण के लिए ।

इस नेटवर्क का आकार आधे से एक अरब न्यूरॉन्स, उदाहरण के लिए, सिमुलेशन के एक दूसरे के जैविक घटनाओं के बारे में ले लिया, पांच मिनट के काम समय पर JUQUEEN नई एल्गोरिथ्म । मॉडल-पूर्ववर्तियों लिया में छह गुना अधिक समय है.

के रूप में की उम्मीद, कई scalability परीक्षण से पता चला है कि नई एल्गोरिथ्म बहुत अधिक कुशल है के प्रबंधन में बड़े नेटवर्क के रूप में, यह कम प्रसंस्करण समय के हजारों के दसियों से डेटा स्थानान्तरण तीन बार.

"फोकस अब तेजी पर सिमुलेशन की उपस्थिति में विभिन्न रूपों के नेटवर्क plasticity", — लेखकों ने निष्कर्ष निकाला है. मन में इस के साथ, अंत में, डिजिटल मानव मस्तिष्क के भीतर हो सकता है तक पहुँचने.