این مبحث در سطح آشنایی و مقدماتی در چندین بخش از همین نشریه ، ارائه خواهد شد. در این سری مقالات ، شبکه های عصبی مصنوعی و یک الگوریتم پیاده سازی از آن با عنوان پرسپترون (Perceptron) که درواقع این الگوریتم جزء اولین شبکه‌های عصبی مصنوعی است که به‌کار گرفته شده‌است ، تعریف و بررسی میگردد.
مقدمه : نورون و شبکه اش !
برای تعریف شبکه عصبی مصنوعی ، ابتدا باید خود شبکه عصبی آشنا باشیم تا بتوانیم در مورد شکل مصنوعی اش هم ، اظهار نظر بکنیم.
مغز برای پردازش انواع اطلاعاتی که از طریق حواس پنجگانه دریافت میکند ، از یک شبکۀ گستردۀ نورون های به هم متصل ، بهره می برد.
اما خود نورون چیست؟!
به زبان ساده ، هر نورون اطلاعاتی را به عنوان ورودی ، از نورون هایی که به بخش « دندریت»ـش متصل اند ، دریافت میکند.
نورون ، این اطلاعات را توسط جسم سلولی یا همان هسته ، با هم جمع میزند ( فرض کنیم ورودی ها عدد هستند) ؛ اگر مجموع ، بیشتر از مقدار مشخص شده ای با نام « آستانه» باشد ، نورون فعال شده (درزبان انگلیسی «آتش گرفتن» به کار رفته است) و سیگنالی را به نورون هایی که با آن ها در ارتباط است ، به عنوان خروجی ارسال میکند و باز نورونهای دریافت کنندۀ این سیگنال ، آن را بعنوان ورودی گرفته و استفاده میکنند . ارسال این سیگنال به عهدۀ بخش «آکسون» که خروجی یک نورون محسوب میشود ، محول شده است .
محل اتصال پایانۀ آکسونِ یک نورون با دندریتِ نورون دیگر را «سیناپس» خواهیم نامید .
در کل واحد پایه کارکردی مغز نورون یا سلول عصبی است، سلول مخصوصی که پیام‌های الکتروشیمیایی را (از طریق « شکاف سیناپسی ») به سایر نورون‌ها می‌فرستد. شمارِ غیرقابل تصور 100 میلیارد نورون که هر یک ممکن است در یک لحظۀ واحد با هزاران نورون دیگر در ارتباط باشد ، شبکه ای با بیش از تریلیون‌ها سیناپس ، پدید می آورد.
آیا می شود چنین شبکه ای را بازسازی کرد؟؟
آی.بی.ام و آزمایشگاه ملی لورنس لیورمور در یک برنامه موفق شدند به مقیاسی از 2.084 میلیارد هسته نورون سیناپسی دست یابند که در آن 530 میلیارد سلول عصبی و 100هزار میلیارد سیناپس در حال فعالیت اند و سرعت فعالیت آن‌ها تنها 1542 بار از میزان واقعی (آن‌چه در مغز انسان اتفاق می‌افتد) ، کندتر است. البته در این برنامه، شبیه‌سازی زیستی واقعی از یک مغز انسان کامل وجود ندارد. بلکه چنان که در چکیده مقاله آمده، محاسبه (سلول‌های عصبی)، حافظه (سیناپس‌ها) و ارتباطات (آکسون‌ها و دندریت‌ها- رشته‌های متصل به سلول‌های عصبی که از یک طرف پیام دیگر سلول‌های عصبی را گرفته و از طرف دیگر، پیام را به سایر سلول‌های عصبی منتقل میکنند-) با کسر مولفه‌های زیستی و در راستای اهداف مهندسی ، یعنی رسیدن به حداکثر فعالیت (کارایی، سودمندی و کاربرد) و حداقل هزینه‌ها (قدرت، فضا و تاخیر) و نیز پیچیدگی طراحی جزئیات سخت‌افزاری بهینه شده‌اند.
آن‌ها توانسته‌اند با استفاده از سیستم ترونورث آی.بی.ام که روی دومین ابررایانه سریع دنیا اجرا شده، به این هدف دست پیدا کنند،
یعنی Blue Gene/Q Sequoia مستقر در آزمایشگاه ملی لاورنس لیورمور که از 96 ردیف ابررایانه با 1,572,864 هسته پردازشگر، 1.5 پتابایت حافظه (هر پتابایت = یک میلیون گیگابایت یا هزار ترابایت)، 98,304 پردازش ام.پی.آی و 6,291,456 ترید (پردازش سبک‌و مستقل)استفاده میکند.
این حجم وسیع از منابع ، برای بازسازی مغر یک و نیم کیلوگرمی ... خب ، برای شروع خیلی هم بد نیست!
*پایان بخش اول
در بخش دوم ، به سراغ تعریف پرسپترون و یک پیاده سازی اولیه از آن خواهیم رفت.
منتظر شمارۀ بعدی ما باشید !
