فكَّر العُلماء منذ عقود بإجراء محاكاة حيوية لأجزائنا البيولوجيا وأعضائنا، ونشأ فرع جديد للبيولوجيا يُدعى بعلم المحاكاة الحيوية (Biomimicry)، إذ حاول العلماء في البداية استنساخ الدماغ البشري، وكان سبب التراجع الأول هو التحدي المُتمثل بعدم الإدراك الفعلي للآلية التي يعمل بها الذكاء البيولوجي العقلي بالتحديد! ^[1]

لم تُوقفهم كل هذه التحديات، بل قام العلماء حقًا بصناعة بعض النماذج من الخلايا العصبية والشبكات العصبية لتُحاكي الآلية الفيزيائية لعمل الدماغ البشري، حيث تَعمَل الحوسبة العصبية عن طريق مُحاكاة فيزياء الدماغ البشري والجهاز العصبي من خلال إنشاء ما يُعرف بالشبكات العصبية المتصاعدة أو ما يُعرف بـ (SNN)، ^[3]وتمَّ استيحاء هذه الهندسة المعقدة من عدَّة تخصصات، بِما في ذلك علوم الكمبيوتر وعلم الأحياء والرياضيات والهندسة الإلكترونية والفيزياء.^[1]

من منظور حسابي، تَقترب الأمثلة من IBM وIntel من التنفيذ الحقيقي لأنظمة الحوسبة العصبية، بالتركيز على تحسين الكفاءة والمعالجة، باستخدام أجهزة الحاسوب العصبية كوسيلة للتعلم عن الآلية التي يَعمل بها الدماغ البشري، كلا النهجان مُهمَّان في مجال الحوسبة العصبية، وللنُهوض أيضًا بمجال بالذكاء الاصطناعي. ^[2]

الحوسبة العصبية والذكاء الاصطناعي العام (AGI)

يظهر الذكاء الاصطناعي العام إلى ذكاء مساوي لذكاء البشر، وهو بالضبط ما تسعى إليه أنظمة الحوسبة العصبية، بأن تكون الآلة قادرة على التخطيط، والتعلم، والتواصل بلغة طبيعية فيما بينها، وأن تمتلك المهارات والقدرة على تحقيق الأهداف بامتلاك معرفة مستندة إلى فطرة ووعي ذاتي. ^[2]

وممَّا لا شك فيه أنَّ الاستثمار والضجيج الأخير حول أبحاث الأشكال العصبية من قبل خبراء تكنولوجيا المعلومات يُعزى بشكل أساسي إلى الاستخدام الواسع والمتزايد للذكاء الاصطناعي والتعلم الآلي والشبكات العصبية في العديد من الصناعات والشركات والمؤسسات، فهو المستقبل العلمي والتكنولجي الذي لا مفر منه. ^[2]

اقرأ أيضًا: ريادة أعمال أكثر إثارة! ما دور الذكاء الاصطناعي في ذلك؟

أهمية تطوير الحوسبة العصبية

حقيقةً، جميع الشركات البحثية في مجال صناعة الإلكترونيات والروبوتات والمركبات ذاتية القيادة يسعون بجِد إلى تطوير رقاقات أقل استهلاكًا للطاقة وأكثر ذكاءً، فدعت الأهمية إلى تطوير منتجات الحوسبة العصبية لتكون بديلاً مُحتملاً لأشباه الموصلات. ^[3]

• يُتَوقع أنَّ تقنيات الحوسبة التقليدية المبنية على شبه الموصلات القديمة ستَتبنى الخيارات الرقمية بحلول عام 2025 وتَفرِض التحول إلى نماذج جديدة، بما في ذلك الحوسبة العصبية.
• إنَّ سوق المعالجة العصبية العالمية سيصل إلى 11,29 مليار دولار بحلول عام 2027.

اقرأ أيضًا: كيف تكون قادرًا على المنافسة في سوق العمل عام 2030؟

التطبيقات المحتملة لأنظمة الحوسبة العصبية

تَشمل التطبيقات المحتملة لهذه الثورة التكنولوجية الثورة القادمة للمركبات ذاتية القيادة، تشغيل الأجهزة المنزلية الذكية، استيعاب اللغات الطبيعية، تحليل البيانات، عمليات التحسين، عمليات التنبؤ، بالإضافة إلى عمليات معالجة الصور بتطبيقاتها المتعددة. ^[2]

يُمكن أن تُحسِّن الحوسبة العصبية بشكل كبير من دقة الكاميرات الرقمية المُضمنة في الآلات المستقلة مثل السيارات ذاتية القيادة، والتي لن تنجح أبدًا إذا فشلت في التعرف على الأشياء في الوقت المناسب للتوقف، ومع استمرار قدرات الشكل العصبي في تحسين قدرة الذكاء الاصطناعي على التعرف على السلوكيات والأنماط، يُمكن أن تُثبِت هذا التكنولوجيا أيضًا أنها مفيدة في علاج وتصوير السرطانات المتقدمة أو أبحاث COVID-19 مقتحمةً مجال البحث الطبي. ^[3]

اقرأ أيضًا: كيف تعمل المركبات ذاتية القيادة؟

تطبيقات حقيقية للأنظمة العصبية

تَستعد محاكاة الطبيعة في الحوسبة، والحوسبة العصبية لجلب مستوى جديد تمامًا من الذكاء إلى الأجهزة المتطورة، وتَتوفر أمثلة حقيقية على الأنظمة العصبية الموجودة اليوم، وإن كان ذلك في المقام الأول لأغراض بحثية ليس إلا، ^[2] وتَشمل الآتي:

رقاقة تيانجيك (Tianjic Chip)

تُستخدم لتشغيل الدراجات ذاتية القيادة لتُصبح قادرةً على متابعة الراكب وتجاوز العقبات والاستجابة للأوامر الصوتية، تحتوي هذه الرقاقة على40,000 خلية عصبية، و10 ملايين نقطة تشابك عصبية، وكان أداؤها أفضل بـ 160مرة و120,000 مرة أكثر كفاءة من وحدة معالجة رسومات مماثلة.

رقائق لويهي (Intel's Loihi Chips)

وهي إحدى إصدارات Intel، وتحتوي هذه الرقاقة على 130 مليون نقطة تشابك عصبية و131,000 خلية عصبية لكل شريحة، وتَتِم تحسينها أكثر لزيادة الشبكات العصبية، وقد أثبتت قدرتها على التعرف على الروائح المختلفة، بمُحاكاة آلية الشم التي يستخدمها الدماغ!^[3]

أجهزة حاسوب بوهويوكي (Pohoiki Beach Computers)

وهي إحدى إصدارات Intel، ويَضُم 8.3 مليون خلية عصبية، فهي تُقدِّم أداء أفضل 1000 مرة وأكثر كفاءة بـ 10,000 مرة من وحدات معالجة الرسومات المماثلة.

شريحة ترونورث (TrueNorth Chip)

وهي إحدى إصدارات IBM، وتحتوي على أكثر من مليون خلية عصبية وأكثر من 268 مليون نقطة اشتباك عصبية، وهي الأكثر كفاءة في استخدام الطاقة بـ 10,000 مرة من المعالجات الدقيقة التقليدية وتُعتبر أقل استخدامًا للطاقة، إذ تَستخدم الطاقة فقط عند الضرورة.

مشروع (BrainScaleS)

وهو إحدى المشاريع التابعة لجامعة هايدلبرغ، والذي يَستخدم الأنظمة الهجينة العصبية التي تَجمع بين التجارب البيولوجية والتحليل الحسابي لدراسة الآلية التي يَتِم بها معالجة معلومات الدماغ.