ความก้าวหน้าในเรื่องการเรียนรู้ของเครื่องหรือ Machine Learning นั้นให้ขับเคลื่อนไปข้างหน้าอย่างรวดเร็วในช่วงหลายปีที่ผ่านมานี้ แต่หน่วยประมวลผลกลางของคอมพิวเตอร์ (computer processor) เพื่อที่จะรันโปรแกรมเหล่านั้นได้มีการเปลี่ยนแปลงไปน้อยมาก ถึงแม้ว่าบริษัทต่างๆ ได้พยายามปรับเปลี่ยนสถาปัตยกรรมของ Chip ที่มีอยู่เพื่อที่จะตอบสนองกับความต้องการของปัญญาประดิษฐ์หรือ AI แล้วก็ตาม แต่ด้วยผลงานวิจัยล่าสุดซึ่งจะเป็นวิธีการใหม่ที่จะแก้ไขปัญหานี้ คือการสร้างหน่วยประมวลผลกลางใหม่ที่ทำงานได้เหมือนกับสมองคนมากยิ่งขึ้น
สิ่งที่กล่าวนี้เรียกกันว่า “Neuromorphic computing” โดยนักวิทยาศาสตร์จาก MIT ได้กล่าวว่าพวกเขาได้ทำให้เกิดความก้าวหน้าอย่างมีนัยสำคัญที่จะทำให้ Chip แบบใหม่เกิดขึ้นและใช้งานได้ โดยผลงานวิจัยของพวกเขาที่ตีพิมพ์ในวารสาร Nature Materials ซึ่งจะเป็นตัวนำไปสู่หน่วยประมวลผลกลางที่สามารถรันประมวลงานการเรียนรู้ของเครื่อง (Machine Learning) หลายๆ งานพร้อมๆ กันโดยใช้พลังงานที่น้อยลงประมาณ 1,000 เท่า สิ่งนี้เองจะทำให้อนาคตอุปกรณ์หลายๆ อย่างสามารถเพิ่มทักษะปัญญาประดิษฐ์เข้าไปได้ อย่างเช่น การรู้จำเสียงพูดหรือรู้จำภาพ เป็นต้น
คีย์หลักที่แตกต่างระหว่างหน่วยประมวลผลกลางปัจจุบันกับที่ใช้งานในคอมพิวเตอร์ตอนนี้กับแบบใหม่ที่กล่าวมาข้างต้นคือจะประมวลผลข้อมูลแบบ analog (อารมณ์ว่ามีทศนิยมได้ เป็นต้น) แทนแบบปัจจุบันที่เป็นแบบสัญญาณ digital (สัญญาณ 0/1 หรือ on/off เป็นต้น) ซึ่งจะสามารถส่งข้อมูลที่แตกต่างและซับซ้อนได้มากขึ้นกว่าเดิม โดยจะเหมือนหลักการทำงานของช่องว่างระหว่างเซลล์ประสาท (synapses) ในสมองของคนเรานั่นเอง นั่นแปลว่าจะสามารถส่งข้อมูลได้มากขึ้นมากๆ ต่อการส่ง 1 ครั้ง ซึ่งก็จะส่งผลให้ลดพลังานที่ต้องใช้ไปได้อย่างมากนั่นเอง
ความยากในการสร้าง neuromorphic chip นั่นคือการสามารถควบคุมสัญญาณที่ซับซ้อนเหล่านั้นได้ด้วยความแม่นยำ ในการทำให้เกิดความสอดคล้องกัน (consistent) กันของสัญญาณต่างๆ ได้ ซึ่งการหาจุดที่พอดีก่อนหน้านี้นั้นยังไม่สามารถทำได้สำเร็จ เนื่องจากพบว่ากระแสสัญญาณได้กระจายไปทั่วไปหมด อย่างไรก็ดี นักวิจัย MIT คุณ Jeehwan Kim ได้พบแนวทางแก้ไขโดยนำผลึก silicon และ germanium ที่ประกอบกันเป็นโครงข่ายในระดับ microscopic เพื่อสร้างเส้นทางสำหรับสัญญาณไฟฟ้าที่ช่วยนำทางให้มีความแปรปรวนน้อยลงมากแต่ยังคงมีสัญญาณที่ดีอยู่ได้
“นี่คืออุปกรณ์ที่สม่ำเสมอที่สุดที่พวกเราทำสำเร็จ ซึ่งเป็นกุญแจสำคัญในการพิสูจน์ถึงโครงข่ายประสาทเทียม (artificial neural networks) ได้” คุณ Kim กล่าว
ในการทดสอบการออกแบบ Chip ของพวกเขา คุณ Kim และทีมได้สร้างการทดลอง simulation โดยใช้สัญญาณที่มีความแปรปรวนในระดับเดียวกับความเป็นจริง ซึ่งพบว่าพวกเขาสามารถฝึกฝนโครงข่ายประสาทเทียมให้สามารถรู้จำลายมือเขียน (handwriting recognition) ซึ่งเป็นงานมาตรฐานของด้าน AI ในปัจจุบัน โดยได้ผลความถูกต้องถึง 95% แต่ก็ยังน้อยกว่า 97% ที่เป็น baseline ปัจจุบันอยู่ อย่างไรก็ดี ก็ถือว่าเป็นมีแนวโน้มที่ดีสำหรับเทคโนโลยีใหม่นี้และเข้าใกล้ความจริงมากขึ้น แต่หนทางในการนำมาใช้งานจริงในโลกปัจจุบันก็อาจจะยังอีกยาวไกล
Source : https://www.theverge.com/2018/1/24/16927040/ai-neuromorphic-engineering-computing-mit-brain-chip