Ο υπερυπολογιστής που προσομοιώνει τον ανθρώπινο εγκέφαλο είναι γεγονός

 

Κατασκευάστηκε από ερευνητές του Διεθνούς Κέντρου Νευρομορφικών Συστημάτων (ICNS) στο Πανεπιστήμιο του Δυτικού Σίδνεϊ και μπορεί να μιμείται τα δίκτυα του εγκεφάλου στην κλίμακα ενός πραγματικού ανθρώπινου μυαλού, όπως εξηγεί το Studyfinds.

Πώς λειτουργεί

Ο DeepSouth χρησιμοποιεί ένα νευρομορφικό σύστημα, το οποίο αναπαράγει τις ανθρώπινες βιολογικές διεργασίες. Με τη χρήση υλικού, προσομοιώνει αποτελεσματικά μεγάλα δίκτυα νευρώνων, επιτυγχάνοντας 228 τρισεκατομμύρια συναπτικές εργασίες ανά δευτερόλεπτο. Αυτό ισοδυναμεί με τις εκτιμώμενες εργασίες ανά δευτερόλεπτο που μπορεί να επιτύχει ο ανθρώπινος εγκέφαλος.

Ο καθηγητής Αντρέ βαν Σάικ, διευθυντής του ICNS, τονίζει ότι ο DeepSouth διαφέρει από άλλους υπερυπολογιστές λόγω του μοναδικού σχεδιασμού του. Ειδικά σχεδιασμένος ώστε να λειτουργεί όπως τα εγκεφαλικά κύτταρα, απαιτεί λιγότερη ενέργεια και επιτυγχάνει μεγαλύτερη αποδοτικότητα, σε αντίθεση με τους υπόλοιπους υπερυπολογιστές οι οποίοι καταναλώνουν σημαντική ποσότητα ενέργειας.

«Το σύστημά μας θα το αλλάξει αυτό»

«Η πρόοδος στην κατανόησή μας για το πώς λειτουργούν οι εγκέφαλοι χρησιμοποιώντας νευρώνες εμποδίζεται από την αδυναμία μας να προσομοιώσουμε δίκτυα που μοιάζουν με τον εγκέφαλο, σε μεγάλη κλίμακα. Η προσομοίωση νευρωνικών δικτύων σε τυπικούς υπολογιστές χρησιμοποιώντας μονάδες επεξεργασίας γραφικών (GPU) και κεντρικές μονάδες επεξεργασίας (CPU) είναι πολύ αργή και ενεργοβόρα. Το σύστημά μας θα το αλλάξει αυτό», έγραψε ο βαν Σάικ σε δελτίο Τύπου.

«Αυτή η πλατφόρμα θα προχωρήσει στην κατανόηση του εγκεφάλου και θα αναπτύξει εφαρμογές υπολογιστών σε κλίμακα εγκεφάλου σε διάφορους τομείς, όπως η ανίχνευση, η βιοϊατρική, η ρομποτική, το διάστημα και εφαρμογές τεχνητής νοημοσύνης μεγάλης κλίμακας», εξήγησε ο καθηγητής.

Ο ερευνητής πιστεύει ότι το σύστημα DeepSouth θα βοηθήσει στην εξέλιξη των έξυπνων συσκευών, όπως τα κινητά τηλέφωνα και οι αισθητήρες που χρησιμοποιούνται στη βιομηχανία και τη γεωργία. Επιπλέον, αναμένεται να συμβάλει στην ανάπτυξη εφαρμογών τεχνητής νοημοσύνης που θα είναι λιγότερο ενεργοβόρες και πιο «έξυπνες».