Η λειτουργία των λεγόμενων «νευρωνικών δικτύων τεχνητής νοημοσύνης» (Artificial neural networks (ANNs)) έχουν συχνά εντυπωσιακές επιδόσεις αλλά και πολύ μακρύ δρόμο ώσπου να… συναντήσουν τον ανθρωπινό εγκέφαλο Αν και η απόσταση είναι χαοτικά μεγάλη η κατασκευή του ηλεκτρονικού εξαρτήματος memristo σε επίπεδο νανοκλίμακας, αναμένεται να έχει κομβικό σε ρόλο σύναψης αν ποτέ γίνει εφικτό να συνυπάρξουν όσες χρειάζονται, δηλαδή σχεδόν ένα τρισεκατομμύριο.
Και για το λόγο αυτό φαίνεται ότι ανοίγει καινούργιους ορίζοντες σε αυτή την παγκόσμια προσπάθεια να κατασκευαστεί κάτι που λειτουργικά ολοένα περισσότερο προσεγγίζει κάποιες στοιχειώδεις λειτουργίες του εγκεφάλου μας. Πάντως η εντυπωσιακή ανακοίνωση έγινε από το πανεπιστήμιο του Σάουθαμπτον αλλά βέβαια όλα παραμένουν ακόμη στο πειραματικό στάδιο.
Μέχρι τώρα οι δυνατότητες των νευρωνικών δικτύων, αν και προωθημένες, παρεμποδίζονται από την έλλειψη συνάψεων με υψηλές επιδόσεις που λειτουργούν υποστηρικτιά σε δύσκολες περιπτώσεις όπως η αναγνώριση μοτίβων, η ευρείας κλίμακας εκμάθηση αλλά και η ταξινόμηση. Παρόμοιες λειτουργίες είναι πολύ δύσκολο να πραγματοποιηθούν από ισχυρά συμβατικά υπολογιστικά συστήματα.
Αν και όπως αναφέρουν οι ειδικοί υπάρχουν σήμερα τεχνητές συνάψεις δεν έχουν τις αναγκαίες δυνατότητες για να βελτιώσουν στο επιθυμητό επίπεδο τις επιδόσεις στα νευρωνικά δίκτυα. Κατά τέτοιο τρόπο ώστε να τα καταστήσουν ένα ευρεία κλίμακας μέρος της τεχνολογικά αναπτυσσόμενης κοινωνίας όπου κάθε τι θα είναι ελεγχόμενο (ή μήπως επιτηρούμενο) από ηλεκτρονικά υποσυστήματα. Αυτό λοιπόν που έλλειπε ήταν καλύτερες τεχνητές συνάψεις.
Όπως περιγράφεται στην επιθεώρηση Nature Communications η ερευνητική ομάδα του πανεπιστημίου παρουσίασε ένα πειραματικό νευρωνικό δίκτυο που χρησιμοποιούσε το νέο εξάρτημα memistror με την δυνατότητα το σύστημα να υποστηρίζει περίπλοκους κανόνες εκμάθησης αυξάνοντας έτσι τις δυνατότητες των συγκεκριμένων δομών.
Επισημαίνεται ότι τα νέα αυτά κυκλώματα μπορεί και να ανοίξουν μια νέα διαδρομή με προορισμό θεμελιώδη χαρακτηριστικά γνωρίσματα παρόμοια των φυσικών συνάψεων με τρία βασικά δεδομένα, τη μαθησιακή ευχέρεια, το μέγεθος σε κλίμακα νανοκλίμακας και την ελάχιστη κατανάλωση ενέργειας.
Προ της ανάγκης λοιπόν να γίνει το μεγάλο βήμα με προοπτική πιο αποτελεσματικά νευρωνικά δίκτυα η τεχνολογία μιμούμενη λειτουργικά τις φυσικές συνάψεις κατασκεύασε τεχνητές με την ονομασία memristo. Ως παθητικό ηλεκτρονικό δομικό στοιχείο ενός ευρύτερου κυκλώματος έχει το χαρακτηριστικό να διακόπτει ή να ρυθμίζει το ρεύμα που διέρχεται μέσα από την ύλη του και να «θυμάται » το μέγεθος του συγκεκριμένου φορτίου ακόμη και αν διακοπεί η παροχή της τροφοδοσίας του. Εμφανίζει δηλαδή χαρακτηριστά μνήμης τα οποία μπορεί να αξιοποιηθούν κατάλληλα.
Ο επικεφαλής συντάκτης της ανακοίνωσης Δρ. Alex Serb (από το τομέα Ηλεκτρονικών και Επιστήμης των Υπολογιστών του πανεπιστημίου Σάουθαμπτον) επισημαίνει ότι στην περίπτωση που θελήσει η επιστημονική κοινότητα να κατασκευάσει συστήματα τεχνητής νοημοσύνης με την πρόθεση να μιμηθούν τον ανθρώπινο εγκέφαλο σε όλες του τις δυνατότητες απαιτούνται εκατοντάδες δισεκατομμύρια η και τρισεκατομμύρια συνάψεις. Και μάλιστα κατά περίπτωση πολλές από αυτές πρέπει να είναι σε θέση να έχουν γνωσιακές δυνατότητες, ουσιαστικά κανόνων εκμάθησης που ποικίλου σε βαθμό πολυπλοκότητας.
Όπως διαπιστώθηκε κατά τις δοκιμές διατάξεις memristors ήταν ικανές να χειρίζονται τις γνώσεις κατά τέτοιο τρόπο ώστε όταν χρειάζονταν προσλάμβαναν γνώση και σε μεταγενέστερο χρόνο κατέγραφαν νεότερη. Με την λογική αυτή σε πλαίσια λειτουργίας περίπλοκων συνθηκών θα συνεισφέρουν στην επεξεργασία των λεγόμενων Big Data, όπως απαιτείται στην αναγνώριση μοτίβων ακόμη και στη λήψη αποφάσεων χωρίς όμως να έχουν προηγούμενη σχετική γνώση. Επομένως κατά το δυνατόν απλούστερα βλέπουν, καταγράφουν, αξιολογούν και αποφασίζουν.
Η πλευρά αυτή στην λειτουργία των νευρωνικών δικτύων με τις νέου τύπου συνάψεις αναμφίβολα συμπεριλαμβάνει και στο «ίντερνετ των πραγμάτων».
Αν και ενδεχομένως δεν είναι απόλυτα σαφές αυτό το ιδιότυπο και συνεχώς διευρυνόμενο ίντερνετ προκύπτει από μια ολοένα επεκτεινόμενη δικτύωση συσκευών (κάθε τύπου και λειτουργίας) με εύκολη αυτόματη προσαρμογή στο περιβάλλον. Όμως το εύρος και ο ορίζοντας της εξέλιξης της ακόμη δεν μπορεί να γίνει ορατός.
Ενδεικτικά αναφέρεται ότι συνεχής επεξεργασία τεράστιου όγκου δεδομένων σε πραγματικό χρόνο από τη νέου τύπου υλικοτεχνική υποδομή από λειτουργικά προσαρμοζόμενους χαμηλής κατανάλωσης επεξεργαστές θα προσαρμόζεται σε ποικιλία περιπτώσεων εικοινωνιας με το περιβλαλλον.
Στην καρδιά του συστήματος αναμφίβολα καίριο ρόλο θα έχουν τα νευρωνικά δίκτυα με τις νέας τεχνολογίας συνάψεις. Δηλαδή σε λειτουργίες όπου μεταξύ των άλλων θα απαιτείται η αναγνώριση μοτίβων, όψεων, εικόνων, η συνεχής εκμάθησή, ωσάν να βρίσκεται σε μια συνεχή διδακτική διαδικασία, και η λήψη αποφάσεων. Σε κάθε περίπτωση η απουσία του ανθρώπου θεωρείται περίπου δεδομένη καθώς τα συστήματα αυτά είναι αυτοπροσαρμοζόμενα.
