İnsan beyni, gözlemlediğimiz harflerin şekillerini tanıma, anlamlarını analiz etme ve bir düşünceler akışını bir arada tutma işlevlerini yaklaşık 20 watt’lık bir güç kaynağıyla gerçekleştiriyor; oysa bu yeteneklerin günümüz sistemleriyle bile küçük bir bölümünü yeniden üretmek devasa hesaplama altyapısı ve enerji gerektiriyor. Beyin ilhamlı (nöromorfik) bilişim, bilgisayarların nasıl çalışması gerektiğini köklü biçimde yeniden düşünerek bu açığı kapatmayı hedefliyor.
Bu teknolojinin enerji verimliliğinin ardındaki temel mekanizmalar, insan beynin yapısından kaynaklanıyor. Nöromorfik sistemlerin neden böyle az güç tüketebileceği ve hangi alanlarda devrim yaratabileceği, bilim dünyasında önemli bir tartışma konusu haline geliyor.
Beyin Nasıl Çalışır, Bilgisayar Neden Farklıdır?
İnsan beyni yaklaşık 86 milyar nöronu, sinaps denilen bağlantılar aracılığıyla birbirine bağlar. Bir nöron komşularından sinyaller alır; bu sinyallerin birleşik etkisi belirli bir eşiği geçtiğinde kısa bir elektrik darbesi olan “spike” yayılır. Bu sürecin verimli olmasını sağlayan iki şey vardır: Enerji yalnızca gerektiği yerde harcanır, sürekli her yerde değil ve bellek ile işlemleme, her sinapsın tepkisinin gücünde iç içe geçer. Beynin bilgiye ulaşmak için durup araması gerekmez; bu da hem zaman hem de enerji tasarrufu sağlar.
Oysa sıradan bir bilgisayar çipinde işlemci ve bellek fiziksel olarak ayrıdır, dolayısıyla her hesaplamada veri arasında aktarım gerekir. Bu aktarım, enerji kullanımının önemli bir bölümünü açıklayabilir ve “Von Neumann darboğazı” olarak bilinir; bu terim 1970’lerde Amerikalı bilgisayar bilimci John Backus tarafından söz konusu hesaplama verimsizliğini tanımlamak için kullanılmıştır.
Nöromorfik bilişim, bu verimsizliği birkaç yöntemle ortadan kaldırır: Bellek ve işlemleyi birbirine yaklaştırmak, “seyrek temsiller” (değerlerin çoğunun sıfır olduğu veri modelleri) kullanmak ve yalnızca olaylar gerçekleştiğinde hesaplama yapmak. Bu yaklaşım olaya dayalı bilişim olarak adlandırılır ve bugün bile heyecan verici bazı uygulamaları görülmektedir.
İnsan Retinası Modelli Sensörler
Olaya dayalı kameralar, insan retinası modellenerek üretilmiş sensörlerdir. Pikselleri bireysel tepki verir ve yalnızca sahnede bir değişim algıladığında harekete geçer; akıllı telefon veya kamera gibi saniyede onlarca kez tam kare yakalamaz. Sonuçta, gücün küçük bir bölümünü tüketen, hızlı hareketi bulanıklık olmadan işleyen ve parlak güneş ışında yakın-karanlıkta eşit derecede çalışan bir nöromorfik sensör ortaya çıkar.
Otonom araçlarda bu düşük gecikme ve göreceli performans kombinasyonu, bir yayalcayı zamanında algılayıp algılamamanın farkını yaratabilir. Uzayda ise gücün kıt olduğu ve ışık koşullarının uç noktalar arasında değiştiği ortamda olay kameraları zaten nesne ve enkaz takibi için kullanılmaktadır.
Bazen nöromorfik donanımın bilişimde Nvidia’nın grafik işlemci birimlerinin (GPU) yapay zeka için yaptığı şeyi yapabilip yapamayacağı sorulabilir; ancak bunlar köklü biçimde farklı çiplerdir. Nvidia GPU’ları, derin öğrenmenin arka planındaki yoğun ve tekrarlayan matematiksel işlemlerde son derece başarılıdır ve neredeyse her türlü yapay zeka görevinin varsayılan seçeneği haline gelmiştir. Nöromorfik bilişimin olaya dayalı yaklaşımı ise muhtemelen tek bir kazananın her şeyi belirlediği bir tasarım yerine, çeşitli özel çiplerin ortaya çıkmasına yol açacaktır.
Nöromorfik donanımın sıradan işlemciler ve GPU’ların yerini alması değil, yanına oturması bekleniyor; verimlilik avantajının belirleyici olduğu görevleri üstlenecek. Avustralya merkezli BrainChip, şu anda çok düşük güçte çalışması gereken kameraları ve sensörleri besleyen ticari bir nöromorfik işlemci satıyor.
Nöromorfik bilişim uzmanı
Hassas Bilgilerin Güvenliği
Cihazlar ayrıca uzak bir sunucuya veri gönderme ve yanıt beklemeden çevrimışı çalışabilir. Otonom araçlar, dronelar ve güvenilir sinyal dışında çalışan robotlar gibi saniyenin onda biriyle karar verilmesi gereken her yerde bu gidiş-dönüşü ortadan kaldırmak önemlidir.
Bu durum veri merkezlerini gereksiz kilmaz; ancak gelecekte daha az görevin buna ihtiyacı olabilir ve geriye kalanlar dramatik derecede verimli hale gelebilir. IBM, TrueNorth çipiyle olaya dayalı görevlerde sıradan dijital mimarilere kıyasla 10.000 kata kadar enerji tasarrufu göstermiştir.
Bilişimin Nasıl Çalıştığı Yeniden Düşünüyor
Bilişim bu tür bir geçişi daha önce de yaşamıştır. İlk bilgisayarlar tüm odaları kaplar ve küçük bir fabrika kadar güç çekerdi; bugün ise cebinizdeki telefonun içindeki, tırnak boyundan bile küçük bir çip çok daha yeteneklidir. Nöromorfik bilişim benzer bir değişimin kapılarını aralarak bu sıçramayı, daha fazla transistörü (bir çipin devrelerini oluşturan tiny anahtarlar) sıkıştırmaktan ziyade, bilişimin ilk başta nasıl çalışması gerektiğini yeniden düşünerek gerçekleştirebilir.
Bu vaadi günlük altyapıya dönüştürmek sürdürülebilir bir çaba gerektirir. Birleşik Krallığın önde gelen nöromorfiki bilişim için çoklu üniversite yenilik merkezi NeuroWare’da, akademiden sanayiye ve hükümeten uzanan meslektaşlarıyla birlikte bu teknoloji için 2050’ye kadar uzanan bir yol haritasının geliştirilinde öncülük ettim.
Nöromorfik teknolojinin küresel pazarının 2030’a kadar 20 milyar dolara (£14,8 milyar) neredeyse dört katına çıkması öngörülürken Birleşik Krallığın yeni çipleri prototipleştirmek için erişilebilir tesislere, koordineli yatırıma, ortak standartlara ve nörobilim, elektronik ve bilişimi birbirine bağlayacak bir iş gücüne ihtiyacı vardır.
Temeller zaten burada. Eksik olan ise nöromorfiki bilişimi, Birleşik Krallığın Manchester Üniversitesi’nin beyin simülasyonu SpiNNaker gibi süper bilgisayarlardan, bir gün kendi başına beyin ilhamlı donanımı kullanabilecek milyarlarca sıradan cihaza taşıyacak altyapıdır.
Beynin bu sorunu milyonlarca yıl önce çözdü. Bilimin ne kadar iyi çalıştığını kavraması uzun sürdü.
1 yorum
Fikrinizi bir kaynak, soru veya yapıcı karşı görüşle geliştirin.