البيولوجيا تلتقي بالسيليكون: الشبكات العصبية للحوسبة غير التقليدية

ظل الذكاء الاصطناعي طويلاً ينسخ الدماغ فقط في الرياضيات — طبقة تلو طبقة، مصفوفة تلو مصفوفة، سلسلة من الجبر الخطي. الآن بدأ الباحثون في نسخه بالمعنى الحرفي: باستخدام الآليات البيولوجية في الشبكات العصبية، وبناء أجهزة تحسب مثل الخلية الحية. الحوسبة غير التقليدية — الجزيئية والبصرية والعصبية الشكل — تصبح المرشح الرئيسي لدور معمارية الذكاء الاصطناعي القوي.

عندما يصطدم السيليكون بجدار

معالجات الرسومات الحديثة تبنى على ترانزستورات تصبح أصغر وأصغر، لكن ليس بلا حدود. قانون مور يتباطأ. لتدريب النماذج الكبيرة تُحتاج طاقة هائلة: بحث واحد في Perplexity يستهلك كهرباء بقدر ما تستهلكه سيارة تسير 5 كيلومترات. كلف تدريب GPT-4 مئات الملايين من الدولارات وأطلق ثاني أكسيد الكربون في الغلاف الجوي بقدر مدينة صغيرة. الذكاء الاصطناعي العام سيتطلب قوة على مستوى الكوكب — إذا تم بناؤه على السيليكون التقليدي. يصطدم المهندسون بقيود الفيزياء. تعد الحوسبة غير التقليدية بحل: بدلاً من التعامل مع الإلكترونات في الرقاقة الدقيقة، يمكن استخدام الفوتونات في الأنظمة البصرية (توازي بسرعة الضوء)، أو جزيئات الحمض النووي (كثافة تخزين المعلومات لا تصدق)، أو العمليات الكهروكيميائية في الرقائق العصبية الشكل (كفاءة الطاقة مثل الدماغ البيولوجي).

الرقائق العصبية الشكل — معمارية الدماغ في الإلكترونيات

Intel Loihi و BrainScaleS و SpiNNaker — هذه ليست معالجات رسومات تحاكي الخلايا العصبية في الكود. بل هي رقائق مصممة جسدياً مثل الدماغ: خلايا عصبية نبضية، مشابك بأوزان قابلة للتغيير، معالجة غير متزامنة قائمة على الأحداث. بدلاً من ضرب جميع الأوزان في الدفعة — فقط الخلايا العصبية النشطة ترسل نبضات عند الحاجة. النتيجة مذهلة: استهلاك الطاقة أقل بألف مرة من معالجات الرسومات بنفس الحجم. الدماغ البشري عند 20 وات يفعل ما تتطلبه الشبكات العصبية الحديثة 20 كيلووات. الرقاقة العصبية الشكل تكرر هذه النتيجة.

• التعلم في الوقت الفعلي (دون انتظار مجموعة بيانات كاملة)
• معالجة التدفقات بدلاً من المصفوفات (مثالية للمستشعرات والكاميرات والحساسات)
• التكيف مع المهام الجديدة دون إعادة تحسين النموذج بأكمله
• المتانة تجاه المدخلات الضوضائية بفضل منطق النبضات البيولوجي

شركات مثل Intel والمختبرات الأكاديمية استخدمت بالفعل الرقائق العصبية الشكل في الروبوتات ومعالجة البيانات الحسية. التوسع أصعب، لكن الإمكانات هائلة.

آلة جزيئية، حوسبة في أنبوب اختبار

الحمض النووي ليس فقط مستودع الجينات. بل هو حاسوب متوازي. يمكن ترميز جيجابايتات من المعلومات على جزيء واحد وإجراء العمليات الحسابية في نفس الوقت مع جميع الجزيئات في المحلول. الباحثون في MIT و Caltech ومختبرات أخرى يستخدمون بالفعل الحوسبة بالحمض النووي لمهام التعلم الآلي: التصنيف والضرب المصفوفي. التوسع أصعب من استخدام الرقائق — تحتاج إلى طرق للتحكم في مليارات الجزيئات بشكل متزامن واستخراج النتائج دون أخطاء. لكن إذا نجح — ستتجاوز كثافة الحوسبة أي نظير سيليكون وسينخفض استهلاك الطاقة عدة مرات. بالتوازي يبحثون عن حواسيب بصرية (فوتونات بدلاً من إلكترونات) وأنظمة كمية. الصورة واضحة: احتكار السيليكون في معالجات الرسومات ينتهي. الذكاء الاصطناعي العام سيكون هجيناً.

ماذا يعني هذا

الحدود بين البيولوجيا والسيليكون تتلاشى. الحوسبة غير التقليدية — ليست غرابة في المختبرات بل تمرين هندسي للذكاء الاصطناعي القوي. في سنة أو سنتين سنرى أول الأنظمة الهجينة: مسرعات عصبية الشكل في مراكز البيانات إلى جانب معالجات الرسومات، حواسيب جزيئية للمهام المتخصصة، معالجات بصرية للجبر الخطي. عندما يأتي الذكاء الاصطناعي العام — إن أتى — ستتكون أجهزته بنسبة 90% مما أثبتت الطبيعة الحية فعاليته على مدى مليارات السنين.