İhtiyaç ve gelişmelere bağlı olarak yapa zekâ alanına son yıllarda artan ilgi ile birlikte nöromorfik bilgisayarlarda 1980’lerden sonra mühendisliğin tekrardan odak noktalarından birisi haline geldi. Yapay zekâ ile birlikte insan beyninden ilham alınarak yaratılması hedeflenen işlemciler büyük öneme sahip olmaya başladı. Yapay sinir ağları, Machine Learning ve Deep Learning alanları popülarite kazanırken gerek sinir ağı hesaplamaları için, gerek yapay sinir ağlarına benzerliği nedeniyle heyecan uyandıran nöromorfik hesaplamalar için donanımlar geliştirilmeye başlandı.
Bu yazıda da işlemci teknolojisinde büyük yenilikler yaratabilecek Nöromorfik İşlemci Teknolojisi’nin ne olduğundan ve nasıl çalıştığından söz edilecektir.
Bir devrim niteliğine sahip olan nöromorfik hesaplamalar öncelikle insan beyninin çalışma biçimini simüle etme görevini gerçekleştirmeyi hedeflemektedir. Bundan sadece birkaç yıl önce yapay zeka araştırmacılarının kendi kendine engeller arasında hareket edebilen ve komutlara cevap verebilen bir bisiklet sergilemeleri ile yapay zeka teknolojisi içerisinde kullanılan ve özel bir yapay zeka bilgisayarı olarak tarif edilebilecek nöromorfik çip ile yapılabilecekler heyecan uyandırmıştı.
Pek çok araştırmacının da makinenin geleceği olarak yorumladığı nöromorfik hesaplamalar, normalde veri transferini pahalı hale getiren hafıza ve işlem elemanlarının ayrık oluşunu, hafıza içinde hesaplama metodu ile kolay hale getirmektedir. Zira geleneksel bilgisayar çiplerinin aksine nöromorfik çiplerin her biri birçok işlemci barındırmakta yani işlemcilerini ve hafızalarını ayrı konumlarda tutmamaktadır.
Dilerseniz bu noktada Nöromorfik İşlem Teknolojisi’nin ne olduğundan biraz daha ayrıntılı olarak söz etmeye çalışalım.
Nöromorfik İşlem Teknolojisi Nedir?
Nöromorfik hesaplama, analog devreler ile insan beyninin çalışmasını taklit eden bir teknolojidir. Bu teknoloji, yapay sinir ağları ile gerek elektronik mühendisliği, gerek bilgisayar bilimi ve gerek nörobilimden yararlanılarak insan beyninin çalışmasını taklit eden işlemcilerin tasarlanmasını sağlar. Bu disiplinlerarası teknoloji sayesinde enerji tasarruflu işlemcilerin yapılması hedeflenmekte ve insan beynini tamamen kopyalayan bir sistem gerçekleştirilmeye çalışılmaktadır.
Nöromorfik İşlem Teknolojisi, endüstriyel kullanım alanı içerisinde bilişim teknolojileri, telekom, sağlık, havacılık ve savunma sanayi gibi pek çok alanda kullanım bulur. Uygulama alanları içerisinde de veri işleme, sinyal ve görüntü tanıma ve işleme gibi alanlarda kullanılmaktadır.
Günümüzde gittikçe daha çok dikkat çeken bu teknoloji için her geçen gün yeni yatırımlar yapılmaktadır. Peki, IBM, Intel ve General Vision gibi nöromorfik işlem teknolojisi pazarını güçlendiren ABD’nin başlıca endüstri devlerinin büyük bir ilgi gösterdiği Nöromorfik İşlem Teknolojisi nasıl çalışmaktadır?
Nöromorfik İşlem Teknolojisi Nasıl Çalışmaktadır?
Mühendisler ve çeşitli bilim insanlarının, insan beynini taklit etmek için geliştirdikleri pek çok çalışmada sınırlar zorlandı. Zamanın tüm kaynakları kullanılmaya çalışıldı. Öyle ki bu çalışmalarda yeri geldiğinde bir buçuk milyon işlemci, bir buçuk milyon gigabayt bellekler kullanılacağı simüle edildi. Ancak bu çalışmaların sonucunda insan beyninin çalışma hızından kat be kat yavaş ve gigawatt düzeyinde enerjiye gereksinim duyulacağı gözlemlendi.
İşte tam bu noktada da nöromorfik çiplerin çok az güç tüketimi sağlaması ve hızlı bilgi işlem çözümü sunması gelecekte de pek çok alanda uygulamalarını göreceğimizin kanıtı oldu. Bundan sonra kendi kendine öğrenen robotlar, düşük güç kullanan süper bilgisayarlar gibi gelişmeler yaşanırken insan beyninin tamamen bir kopyasını oluşturmak ise akıllarda bir hayal olarak kalmaya devam etti. Bu sebeple geliştirilen çipler, nöron ve sinapsların modellerini gerçekleştirmek üzere kullanılmaya başlanırken; işitme, görme gibi işlemlerin bir donanım üzerinde nasıl çalışacağının testleri olanak kazandı.
Biyolojik sinir hücreleri bir nevi analog ve dijital sistemlerin birleşimidir. Ancak analog nöromorfik çipler, biyolojik sinir hücrelerinin yapısına benzer silikon nöronlardan oluşmaktadır. Elektroniğin gelişimi ile birlikte tranzistörlerin ve özellikle de analog tranzistörlerin nöronların yapısını yansıttığı gözlemlenmiştir. Böylelikle beyin simülasyonlarının diğer uygulamalara göre daha az güç tüketmesini ve daha hızlı çalışmasını olanaklı kılan nöromorfik donanım ile sinir hücrelerinin hareketleri yönlendirilmeye başlanmıştır. Bunu biraz daha açıklamaya çalışalım.
Nöromorfik hesaplama blokları analog sistemli nöron yapısına sahiptir. Sivri uçlu sinir ağları olarak adlandırılan SNN (Spiking Neural Networks)’ler de biyolojik sinir hücrelerinin birbirleriyle olan bağlantısını modeller. Yukarıda sözünü ettiğimiz sinir hücrelerinin hareketlerinin yönlendirilmesi de SNN’deki her nöronun birbirinden bağımsız olarak bir başka nörona sinyal göndermesi ve böylelikle nöronun elektriksel durumunun değiştirilmesi ile açıklanabilir.
IBM ve Intel gibi şirketler de nöromorfik çip tasarımını yaparken de öncelikle insan beyninin faklı bölümlerinin birbirleri ile nasıl bağlandığı ve ilişki kurduğunu gösteren bağlantı şemaları ile analizler yapmaktaydı. Bundan sonra ise IBM çip tasarımını yaparken solucan beyni ile aynı ölçekte silikon nöron içeren çipi tasarladı. TrueNorth adlı nöromorfik çiple ise bir milyon programlanabilir nöron, 5.4 B tranzistör ve 4096 çekirdek içeren çipi tasarlamayı başardı.
Nöromorfik İşlem Teknolojisi ve Gelecek
Mühendislerin ve bilim insanlarının enerji verimliliği daha yüksek sistemler üretmek için tasarladığı alternatif mimariler üzerindeki çalışmalar da sadece yapay zeka alanında değil, savunma sanayi ve uzay araştırmaları gibi birçok alanda gün geçtikçe artmaktadır. Bu çalışmalar neticesinde öne çıkan Nöromorfik İşlem Teknolojisi geleneksel işlemcilere göre kat be kat daha hızlı çalışmasını sağlayacaktır. Aynı zamanda enerji verimliliğinin yüksek olması sebebiyle sağlık, telekom, sinirbilim, robotik ve daha pek çok alanda sınırlarını aşmaya devam edecek bir teknoloji olacaktır.
Bilim kategorisinde bulunan diğer makaleleri de okumanızı tavsiye ederiz!
