Sıkça araştırmalara dahil olan yapay zeka, yapay zekanın dünyayı ele geçirdiği filmler, evlerdeki minik robotlar, "İnsanların yapay zekanın yanında bir değeri kalmayacak mı?", "İşimizi elimizden mi alacaklar?" sorularının havada uçuştuğu dönemler. Gelecekle ilgili yanıtlarımız olmayabilir fakat, yapay zekanın yeni bir alanı olan derin öğrenmede yapay sinapsların kullanıldığından bahsedebiliriz size. Üstelik bu yapay sinapslar, insan beyni sinapslarından daha iyi bir performans gösteriyor.
Yapay zekanın yeni bir alanı olan derin öğrenmede kullanılan yapay sinapslar, insan beyni sinapslarından önemli ölçüde daha iyi performans göstermektedir. MIT’deki bilim insanları yapay zeka araştırma alanı içinde, derin öğrenme kapsamında yeni bir araştırma ekibi kurmuşlardır. Disiplinler arası çalışan ekip, gelecekte daha düşük enerji tüketimi ile önemli ölçüde daha yüksek bilgi işlem gücü sağlaması istenen bir tür yapay sinaps geliştirmektedir. MIT araştırmacıları, insan beyninin sinapslarından daha üstün performans gösteren sinapslar oluşturmayı başarmışlardır.
Yapay sinapslar, işlemcilerdeki transistörlerle karşılaştırılabilir ve programlanabilir dirençlerden oluşmaktadır. Çok sayıda yapay sinaps özel olarak optimize edilmiş bir analog işlemcide birleştirilmektedir. Araştırmacılar, programlanabilir direnç dizilerini tekrarlayarak, dijital bir sinir ağı gibi hesaplamalar yapan yapay "nöronlar" ve "sinapslar" ağı oluşturabilmektedir. Bu ağ daha sonrasında, görüntü tanıma ve doğal dil işleme gibi karmaşık yapay zeka görevlerini yerine getirmek için eğitilebilmektedir.
İnsan beyninde öğrenme, öncelikle nöronları birbirine bağlayan sinapsların güçlendirilmesi ve zayıflaması yoluyla gerçekleşmektedir. Bu yaklaşım teknik olarak derin yapay sinir ağında yeniden üretilmektedir. Science Dergisi'nin içeriklerine göre analog işlemci, dirençlerin elektriksel iletkenliğini artırıp azaltarak makine öğrenimine izin vermesiyle çalışmaktadır. Derin öğrenmenin dirençleri biyolojik hücrelerdekinden 1.000 kat daha küçüktür. Bu nedenle, katı halde bulunan yapay sinapsların uzay-zaman-enerji performansı biyolojik muadillerine göre çok daha fazla olabilmektedir. Kullanılan inorganik malzemenin yüksek gerilimlerde bile kırılmaması ve direncini enerji verimli bir şekilde değiştirebiliyor olması gelecek vaat etmektedir.
Araştırmacılar şu anda geleneksel silikon üretim tekniklerini kullanarak enerji verimi yüksek sinapslar üretme üzerine çalışıyor. Bu, analog işlemcilerin maliyetini önemli ölçüde azaltacak ve endüstriyel üretime olanak sağlayacaktır. Böylelikle gelecekte, daha düşük enerji tüketimi ile önemli ölçüde daha yüksek bilgi işlem gücü mümkün olacaktır.
1. V. K. Sangwan, M. C. Hersam, Neuromorphic nanoelectronic materials. Nat. Nanotechnol.15, 517–528 (2020).
2. Burr, G. W., Narayanan, P., Shelby, R. M., Sidler, S., Boybat, I., Di Nolfo, C., & Leblebici, Y. (2015, December). Large-scale neural networks implemented with non-volatile memory as the synaptic weight element: Comparative performance analysis (accuracy, speed, and power). In 2015 IEEE International Electron Devices Meeting (IEDM) (pp. 4-4). IEEE.
