به گزارش مشرق، «بوجیان ین» و «سندر بوهه» محققان موسسه ملی تحقیقات ریاضیات و علوم رایانه هلند (CWI) نشان دادند که چگونه نورون‌ها یا عصب‌های مانند مغز در کنار روش‌های یادگیری نوین، امکان آموزش سریع و با بهره‌وری انرژی «شبکه‌های عصبی اسپایکی» (spiking neural networks) در مقیاس بزرگ را فراهم می‌سازند.

شبکه‌های عصبی اسپایکی، شبکه‌های عصبی مصنوعی هستند که به‌طور دقیق تری از شبکه‌های عصبی زیستی الهام می‌گیرند. در شبکه‌های عصبی اسپایکی علاوه بر متغیرهای حالت نورونی و سیناپسی، مفهوم زمان نیز در مدل در نظر گرفته می‌شود.

شبکه‌های عصبی اسپایکی معمولاً در کاربردهایی مورد استفاده قرار می‌گیرند که پیش از این شبکه‌های عصبی غیر اسپایکی به کار گرفته شده‌اند. علاوه بر این کابردهای مربوط به یادگیری ماشین، شبکه‌های عصبی اسپایکی در مدلسازی سیستم عصبی مرکزی ارگانیسم‌های زیستی مانند سیستم جستجوی غذا در حشرات بدون دانش اولیه نسبت به محیط نیز کاربرد دارند. به دلیل مشابهت نسبی آنها با شبکه‌های عصبی زیستی، از شبکه‌های عصبی اسپایکی برای مطالعه مدارهای نورونی زیستی نیز استفاده می‌شود.

کاربردهای احتمالی این فناوری مواردی از «هوش مصنوعی پوشیدنی» تا شناسایی گسترده صوتی و واقعیت افزوده را شامل می‌شود. در حالی که شبکه‌های عصبی مصنوعی ستون فقرات انقلاب کنونی در هوش مصنوعی را شکل می‌دهند اما این شبکه‌ها تنها به طور محدودی از شبکه‌های عصبی واقعی و بیولوژیک مانند مغز الهام می‌گیرند.

اما مغز یک شبکه بسیار بزرگتر است و هنگام تحریک با رویدادهای خارجی می‌تواند بطور بسیار سریع به آن پاسخ بدهد. مغز همچنین بهره وری انرژی بالاتری دارد بطوری که نورون‌های سیستم عصبی ما از طریق تبادل پالس های الکتریکی ارتباط برقرار می‌کنند. شبکه‌های عصبی اسپایکی نوع خاصی از شبکه‌های عصبی مصنوعی هستند که از این خصوصیات نورون‌ها بطور دقیق‌تری تقلید می‌کنند.

چنین شبکه‌های عصبی اسپایکی با نصب در تراشه‌هایی موسوم به «سخت افزار نورومورفیک» این امیدواری را ایجاد می‌کنند که بتوانند برنامه‌های هوش مصنوعی را به نزد کاربران روی دستگاه‌های آنها بیاورند. کاربرد این فناوری موارد مختلفی از شناسایی صوتی در اسباب‌بازی‌ها و دستگاه ها تا مراقبت درمانی و هدایت پهپادها، نظارت و مراقبت محلی را دربرمی‌گیرد.

با داشتن چنین راه‌حلی هوش‌مصنوعی نیرومندی بر اساس شبکه‌های عصبی اسپایکی، تراشه‌هایی تولید می‌کنند که می‌توانند برنامه‌های هوش مصنوعی را با برق بسیار اندکی اجرا کنند. در نهایت این فناوری در بسیاری از دستگاه‌های هوشمند به کار گرفته خواهند شد.