حين تلتقي البيولوجيا بالسيليكون: شبكات عصبية للحوسبة غير التقليدية

ظل الذكاء الاصطناعي طويلاً يحاكي الدماغ في الرياضيات فقط: طبقة بعد طبقة، ومصفوفة بعد مصفوفة، وسلسلة من الجبر الخطي. أما اليوم فيبدأ الباحثون بمحاكاته حرفياً: يستخدمون آليات بيولوجية في الشبكات العصبية، ويبنون عتاداً يحسب كما تحسب الخلية الحية. وتتحول الحوسبة غير التقليدية، الجزيئية والضوئية والعصبية الشكل، إلى المرشح الأول لتكون معمارية الذكاء الاصطناعي القوي.

حين يصطدم السيليكون بالجدار

تُبنى وحدات GPU الحديثة على ترانزستورات تزداد صغراً، لكنها لا تستطيع الانكماش إلى ما لا نهاية. ويتباطأ قانون مور. ويتطلب تدريب النماذج الكبيرة طاقة هائلة: فعملية بحث واحدة في Perplexity تستهلك من الكهرباء ما تقطع به سيارة 5 كم. وقد كلّف تدريب GPT-4 مئات الملايين من الدولارات، وأطلق في الغلاف الجوي كمية من الكربون تعادل ما تطلقه مدينة صغيرة. وسيحتاج AGI إلى قدرات بمقياس كوكبي إذا بُني على السيليكون التقليدي. ويصطدم المهندسون هنا بحدود الفيزياء.

وتَعِد الحوسبة غير التقليدية بمخرج: فبدلاً من التحكم بالإلكترونات داخل الشريحة، يمكن استخدام الفوتونات في الأنظمة الضوئية (توازٍ بسرعة الضوء)، أو جزيئات DNA (كثافة هائلة في تخزين المعلومات)، أو العمليات الكهروكيميائية في الرقاقات العصبية الشكل (كفاءة في استهلاك الطاقة تضاهي كفاءة الدماغ البيولوجي).

الرقاقات العصبية الشكل: معمارية الدماغ في الإلكترونيات

إن Intel Loihi وBrainScaleS وSpiNNaker ليست وحدات GPU تحاكي الخلايا العصبية برمجياً. إنها رقاقات مصممة فيزيائياً على غرار الدماغ: خلايا عصبية نابضة، ومشابك ذات أوزان قابلة للتغيير، ومعالجة غير متزامنة قائمة على الأحداث. وبدلاً من ضرب جميع الأوزان في دفعة بيانات كاملة بعملية مصفوفية، لا ترسل النبضات إلا الخلايا العصبية النشطة، وفي الوقت اللازم فقط.

والنتيجة لافتة: استهلاك الطاقة أقل بألف مرة من وحدة GPU بالحجم نفسه. فالدماغ البشري يؤدي بـ20 واط ما تحتاج الشبكات العصبية الحديثة إلى 20 كيلوواط لأدائه. وتكرر الرقاقة العصبية الشكل هذه النتيجة.

• التعلم في الزمن الفعلي (دون انتظار دفعة البيانات الكاملة)
• معالجة التدفقات بدل المصفوفات (مثالية للحساسات والكاميرات وأجهزة الاستشعار)
• التكيف مع المهام الجديدة دون إعادة تحسين النموذج بأكمله
• مقاومة المدخلات المشوشة بفضل المنطق البيولوجي للنبضات

وقد استخدمت شركات مثل Intel ومختبرات أكاديمية بالفعل رقاقات عصبية الشكل في الروبوتات ومعالجة بيانات الاستشعار. والتوسع بها على نطاق واسع أصعب، لكن إمكاناتها كبيرة.

الآلة الجزيئية: الحوسبة في أنبوب اختبار

لا يقتصر دور DNA على حفظ الجينات، فهو أيضاً حاسوب متوازٍ. إذ يمكن ترميز غيغابتات من المعلومات على جزيء واحد، وإجراء العمليات الحسابية في وقت واحد على جميع الجزيئات الموجودة في المحلول. ويستخدم باحثون في MIT وCaltech ومختبرات أخرى حوسبة DNA في مهام تعلم الآلة، مثل التصنيف وضرب المصفوفات.

والتوسع بها أصعب منه في الرقاقات: فهي تحتاج إلى طرق للتحكم بمليارات الجزيئات في آن واحد، واستخراج النتائج دون أخطاء. لكن إن نجح ذلك، فستتجاوز كثافة الحوسبة أي نظير سيليكوني، وسينخفض استهلاك الطاقة أضعافاً.

ويجري في الوقت نفسه بحث الحواسيب الضوئية (فوتونات بدل الإلكترونات) والأنظمة الكمومية. والصورة واضحة: عصر الزراعة الأحادية لوحدات GPU السيليكونية يوشك على الانتهاء. وسيكون AGI هجيناً.

ماذا يعني ذلك

يتلاشى الحد الفاصل بين البيولوجيا والسيليكون. فالحوسبة غير التقليدية ليست غرابة مخبرية، بل ورشة هندسية للذكاء الاصطناعي القوي. وخلال عام أو عامين سنشهد أولى الأنظمة الهجينة: مسرّعات عصبية الشكل في مراكز البيانات إلى جانب وحدات GPU، وحواسيب جزيئية لمهام متخصصة، ومعالجات ضوئية للجبر الخطي.

وحين يصل AGI، إن وصل أصلاً، فسيتكوّن عتاده بنسبة 90% مما أثبتت الطبيعة الحية كفاءته قبل مليارات السنين.