बीजिंग : चीनमधील शास्त्रज्ञांनी एका अशा सुपर कॉम्प्युटरचे अनावरण केले आहे, ज्याची रचना थेट माकडाच्या मेंदूवर आधारित आहे. ‘डार्विन मंकी’ किंवा ‘वूकोंग’ नावाच्या या प्रणालीमुळे कृत्रिम बुद्धिमत्तेच्या (AI) जगात एका नव्या युगाची सुरुवात होण्याची शक्यता वर्तवली जात आहे. हा सुपर कॉम्प्युटर केवळ एक शक्तिशाली मशिन नसून, तो मानवासारखी बुद्धिमत्ता आणि तर्कशक्ती असलेल्या ‘आर्टिफिशियल जनरल इंटेलिजन्स’ (AGI) च्या निर्मितीच्या दिशेने एक महत्त्वाचे पाऊल मानले जात आहे.
या प्रणालीमध्ये 2 अब्जाहून अधिक कृत्रिम न्यूरॉन्स आणि 100 अब्जाहून अधिक सिनॅप्स आहेत. हे साधारणपणे एका मॅकॉक माकडाच्या न्यूरल स्ट्रक्चरच्या बरोबरीचे आहे. संशोधकांना आशा आहे की, हा सुपर कॉम्प्युटर न्यूरोसायंटिस्टसाठी एक सिम्युलेशन साधन म्हणून काम करेल आणि त्याच वेळी AGI च्या विकासाला गती देईल.
या अनोख्या रचनेमुळे ‘डार्विन मंकी’ला अनेक फायदे मिळतात : अधिक शक्तिशाली : SNNs एकाच वेळी अनेक माहितीवर प्रक्रिया (parallel processing) करू शकतात, ज्यामुळे ते पारंपरिक सुपर कॉम्प्युटरपेक्षा अधिक शक्तिशाली ठरू शकतात. ऊर्जेची प्रचंड बचत : प्रत्येक ‘स्पाईक’नंतर कृत्रिम न्यूरॉन्स काही काळासाठी विश्रांती घेतात. या काळात ते नवीन इनपूटला प्रतिसाद देऊ शकत नाहीत. यामुळे त्यांचे ‘फायर’ होण्याचे प्रमाण मर्यादित राहते आणि एकूण वीज वापर कमी होतो.
संशोधकांच्या मते, डार्विन मंकी’मध्ये 960 डार्विन खखख न्यूरोमॉर्फिक चिप्स असूनही तो फक्त 2,000 वॅट वीज वापरतो, जे साधारणपणे एका इलेक्ट्रिक केटल किंवा हेअर ड्रायरइतके आहे.
पारंपरिक आर्टिफिशियल न्यूरल नेटवर्क्स (ANNs) क्लासिकल कॉम्प्युटिंगच्या तत्त्वांवर चालतात आणि बायनरी व्हॅल्यूजच्या आधारे डेटा प्रोसेस करतात. याउलट, ‘डार्विन मंकी’सारखी न्यूरोमॉर्फिक प्रणाली ‘स्पाईकिंग न्यूरल नेटवर्क्स’ SNNs) वर चालते. SNNs हे तंत्रज्ञान सस्तन प्राण्यांच्या मेंदूतील न्यूरॉन्स एकमेकांना सिग्नल कसे पाठवतात, याची थेट नक्कल करते. जेव्हा इतर न्यूरॉन्सकडून येणारे इलेक्ट्रिकल सिग्नल एका विशिष्ट पातळीवर पोहोचतात, तेव्हाच एक न्यूरॉन ‘फायर’ होतो किंवा प्रतिसाद देतो. यालाच ‘स्पाईक’ (spike) म्हणतात. SNNs मधील कृत्रिम न्यूरॉन्स याच पद्धतीची नक्कल करतात आणि पुरेसा इलेक्ट्रिकल इनपूट जमा झाल्यावरच सक्रिय होतात. सोप्या भाषेत सांगायचे, तर सॉफ्टवेअरआधारित न्यूरल नेटवर्क्स मानवी मेंदूची नक्कल करण्यासाठी मशिन लर्निंग अल्गोरिदमचा वापर करतात, तर SNNs जैविक न्यूरॉन्समधील माहितीच्या देवाण-घेवाणीची भौतिकस्तरावर प्रतिकृती तयार करतात.