Decima-8: بنية تسعى إلى إعادة ابتكار الرقائق العصبية الشكلية
تتصدى بنية Decima-8 لمشكلتين رئيسيتين في الأنظمة العصبية الشكلية في آن واحد: عدم كفاءة ترميز المعلومات، والقيود الصلبة على مستوى العتاد. فبدلًا من النبضات الثنائية، تعتمد البنية ترميزًا للتنشيط بـ16 مستوى في دورة ساعة واحدة. كما استُبدلت مصفوفات المقاومات الذاكرية (memristors) بمصفوفات تقاطع رقمية حتمية، وحلّ التنشيط التتابعي محل التوجيه بالحزم. والنتيجة: صفر بالمئة من مساحة الشريحة مخصص للموجّهات، وزمن تأخير ثابت، وسلوك يمكن التنبؤ به بالكامل. وإذا ثبتت صحة هذه الادعاءات، فقد يغيّر ذلك مشهد الحوسبة العصبية الشكلية تغييرًا جوهريًا.
معالج بواسطة الذكاء الاصطناعي من Habr AI؛ بتحرير Hamidun News
تظل الحوسبة العصبية الشكلية منذ سنوات من أكثر مجالات الإلكترونيات الدقيقة وعدًا، وفي الوقت نفسه من أكثرها إحباطًا. الفكرة بسيطة وجميلة: بناء رقائق تعمل وفق مبادئ الدماغ البيولوجي، والحصول على حوسبة أكثر كفاءة في استهلاك الطاقة بأضعاف مضاعفة. أما عمليًا، فكل محاولة تنفيذ تصطدم بالعقبات نفسها. وتزعم بنية Decima-8 أنها قادرة على إزاحة هذه العقبات إن لم تكن قادرة على هدمها، وهي تفعل ذلك على عدة محاور في آن واحد.
ولفهم ما تقدّمه Decima-8 بالضبط، لا بد من فهم طبيعة هذه المشكلات. فالشبكات العصبية النبضية الحديثة ترمّز المعلومات ثنائيًا: إما أن «يُطلق» العصبون نبضة أو لا يطلقها. ولنقل تدرّجات الإشارة، التي لا تُنجز دونها أي حسابات معقدة، يضطر المصممون إلى اللجوء إلى الترميز الترددي، أي تمديد القيمة الواحدة على عدد كبير من دورات الساعة، أو إلى زيادة عدد خطوط النقل الفيزيائية.
وكلا النهجين يلتهم الوقت ومساحة الشريحة. وإلى جانب ذلك توجد مشكلة في العتاد. فمصفوفات التقاطع المعتمدة على المقاومات الذاكرية، التي تبدو نظريًا الركيزة المثالية للحوسبة العصبية الشكلية، تعاني عمليًا من الضوضاء وانجراف المعاملات وعدم الحتمية.
وتحتاج كل شريحة إلى معايرة فردية، ما يجعل الإنتاج الضخم كابوسًا للمهندسين. أما الشبكات التقليدية داخل الشريحة (Network-on-Chip) فتستحوذ على ما يصل إلى أربعين بالمئة من مساحة الشريحة لصالح الموجّهات، في حين تُنفق نحو سبعين بالمئة من الطاقة لا على الحوسبة بل على نقل البيانات بين الوحدات.
تتصدى Decima-8 للمشكلتين معًا، عبر ثلاثة ابتكارات رئيسية. الأول هو صيغة Level16. فبدلًا من النبضة الثنائية، ينقل كل خط مستوى تنشيط من صفر إلى خمسة عشر في دورة ساعة واحدة. وتمثّل المستويات الستة عشر حلًا وسطًا مقصودًا بين خشونة التمثيل الثنائي وتقلّب الاستمرارية التناظرية. فأربعة بتات للقيمة الواحدة تكفي لنقل تدرّج ذي معنى للإشارة، ومع ذلك يبقى النظام رقميًا وحتميًا بالكامل. ولا حاجة إلى إنفاق عشرات الدورات على الترميز الترددي لرقم واحد، إذ تُنقل القيمة فورًا.
الابتكار الثاني هو مصفوفات التقاطع الرقمية التي تحاكي سلوك مصفوفات المقاومات الذاكرية، لكنها تخلو من عيوبها الأساسية. لا ضوضاء، ولا انجراف، ولا معايرة فردية. تتصرف كل شريحة بالطريقة نفسها، وكل عملية حسابية قابلة لإعادة الإنتاج. قد يبدو هذا خطوة إلى الوراء، فهو تخلٍّ عن الطابع العصبي الشكلي التناظري «الحقيقي» لصالح المحاكاة الرقمية. لكن البراغماتية في الهندسة كثيرًا ما تنتصر على الأناقة. فالمقاومات الذاكرية رائعة نظريًا، لكنها مرهقة في التصنيع. أما مصفوفات التقاطع الرقمية في Decima-8 فتضحّي بالجمال النظري من أجل الجاهزية العملية.
الحل الثالث، وربما الأكثر جذرية، هو التنشيط التتابعي. فبدلًا من التوجيه التقليدي بالحزم، حيث تنتقل البيانات بين بلاطات الحوسبة عبر شبكة من الموجّهات، تنشر Decima-8 التنشيط عبر مخطط التبعيات. فالبلاطات لا «تتخاطب» فيما بينها بالمعنى المعتاد، بل ينساب التنشيط ببساطة من وحدة حوسبة إلى التالية وفق مخطط محدد مسبقًا. وهذا يتيح الاستغناء الكامل عن الموجّهات داخل الشريحة. صفر بالمئة من المساحة للموجّهات، وهو رقم يبدو شبه استفزازي مقارنة بالأربعين بالمئة المعتادة. وزمن التأخير الثابت، في مقابل التأخر غير المتوقع في شبكات الحزم، ليس مجرد تحسين، بل نموذج حوسبة مختلف نوعيًا.
غير أن من المهم الحفاظ على رصانة التقدير. فالبنية موصوفة حتى الآن على المستوى المفاهيمي فقط، وبين المخطط الجميل والسيليكون العامل مسافة شاسعة. ومستويات التنشيط الستة عشر مناسبة لفئة معينة من المهام، لكن الكمّ ذا الثمانية بتات يُعدّ في كثير من نماذج تعلم الآلة الحديثة نهجًا عدوانيًا أصلًا. وتبقى مسألة قابلية توسيع التنشيط التتابعي إلى مخططات تضم مليارات العُقد مفتوحة. كما أن مصفوفات التقاطع الرقمية تحل مشكلة الحتمية، لكنها قد تتخلف عن الحلول التناظرية في كفاءة الطاقة، وهي بالذات الوعد الرئيسي للحوسبة العصبية الشكلية.
ومع ذلك، تستحق Decima-8 الاهتمام بوصفها محاولة متكاملة مفاهيميًا لإعادة التفكير في البنية العصبية الشكلية ككل لا على أجزاء. فقد حاولت الصناعة طويلًا حل مشكلة الترميز بمعزل عن مشكلة الاتصال، وكلتيهما بمعزل عن مشكلة التنفيذ العتادي. ونهج «كل شيء دفعة واحدة» محفوف بالمخاطر، لكن إن تأكدت ولو بعض الخصائص المعلنة على العتاد الفعلي، فقد يرسم ذلك اتجاهًا جديدًا لجيل كامل من المعالجات العصبية الشكلية. وفي عالم يتحول فيه استهلاك مراكز البيانات للطاقة إلى مشكلة جيوسياسية، فإن أي بنية قادرة على خفض الطاقة المستهلكة في الحوسبة خفضًا جذريًا تستحق دراسة متأنية.
- 12 يونيو 2026حين تلتقي البيولوجيا بالسيليكون: شبكات عصبية للحوسبة غير التقليدية
- 28 أبريل 2026لماذا يتفوق الدماغ على GPT-4 في كفاءة الطاقة بمئات الملايين من المرات، وإلى أين تتجه الرقاقات العصبية الشكل
- 31 يناير 2026لم نعد بحاجة إلى Transformer: نائب رئيس سابق في OpenAI يبني إمبراطورية جديدة بقيمة مليار دولار
- 30 أبريل 2026Lansoft تحدد تقنيات الذكاء الاصطناعي التي ستصل إلى مرحلة الإنتاج في 2026
Test Frontier LLMs & Autonomous Agents in One Workspace
Run Claude Opus 5.5, GPT-6, Gemini 3.1, and DeepSeek side-by-side in Nomad AI (nomadnet.ai) — unified model routing, deep research, and multimodal workflows under one subscription.
أهم ما في عالم الذكاء الاصطناعي — مرة كل أسبوع
سبع قصص مهمة فعلاً هذا الأسبوع، مختارة بعناية. بلا ضجيج ولا بيانات صحفية.
تم! تحقق من بريدك للتأكيد.