Da li znate šta su to neuromorfne tehnologije? Kako se neuralne mreže koriste u mašinskom i dubokom učenju, razvoju umjetne inteligencije? O ovome, ali i o ograničenjima i nedostacima umjetne inteligencije, Nauka govori je razgovarala s Adnanom Mehonićem, inženjerom elektronike i elektrotehnike na University College London. Dr Adnan Mehonić je završio studij elektrotehnike u Sarajevu, a na UCL-u vodi istraživački tim koji se sastoji od tri doktoranta i dva postdoktorska istraživača. Odnedavno su posebno fokusirani na područje koje se zove neuromorfološki inžinjering. 

Neuromorfološki inžinjering teži razvoju umjetnih sistema koji oponašaju funkcionalnost biološkog mozga. Kako je objasnio dr Adnan Mehonić, ovo može biti na nivou fizičke implementacije sistema ili algoritama na kojima se bazira funkcionalnost umjetnog sistema.

„To podrazumijeva izradu čipova ili elektronskih komponenti koje emuliraju funkcionalnost bioloških neurona, sinapsi i drugih jedinica u biološkim sistemima. Elektronski tranzistori, koji su gradivne jedinice svih modernih čipova, ne mogu funkcionisati poput bioloških neurona ili sinapsi“, kazao je Mehonić.

Pored cilja da se razviju umjetni sistemi koji su funkcionalno bliži biološkim sistemima, jedan od glavnih ciljeva je poboljšanje energetske efikasnosti.

„Današnji računarski sistemi na kojima implementiramo umjetnu inteligenciju su hiljadama, možda i milionima puta manje efikasni od bioloških sistema. Posljedica toga je da bi daljnji razvoj umjetne inteligencije mogao biti usporen i neodrživ rekao je.

Mehonić je kazao kako se predviđa da bi, ako se trenutni trend nastavi, AI serveri mogli do 2030. godine koristiti do četvrtine globalne energije, što je neodrživo.

„Iako o radu ljudskog mozga znamo malo, jasno je da današnji AI sistemi funkcionišu na principima bitno različitim od bioloških. Na primjer, AI sistemi moraju biti trenirani na milionima primjera da bi prepoznali određene objekte, dok djeca to mogu naučiti nakon samo nekoliko susreta. To ukazuje na efikasnije načine za implementaciju umjetne inteligencije, različite od trenutno dominantnih metoda“, dodao je.

Njegov tim radi i na razvoju elektronskih komponenti zvanih memristori, koji omogućuju efikasniju implementaciju određenih bioloških funkcionalnosti u odnosu na tranzistore.

„Memristori mogu biti adaptivni, slično sinapsama u mozgu, i mogu se koristiti kao efikasnija memorija, implementirajući više funkcija. U kontekstu današnjih metoda, memorija je ključna komponenta za algoritme umjetne inteligencije zbog ogromnog broja podesivih parametara koji zahtijevaju značajne količine memorije. Na primjer, ChatGPT i drugi veliki jezički modeli imaju preko 175 milijardi parametara,” istakao je.

Mehonić smatra da je trenutni razvoj umjetne inteligencije veoma interesantan i osjeća da smo tek na početku.

„Na primjer, algoritmi umjetne inteligencije nisu previše korisni ako ne postoji računarska moć za njihovu implementaciju, a za to je ključan razvoj nanoelektronike i novih naprednih računarskih sistema. Također, očekujem da će bolje razumijevanje principa rada ljudskog mozga inspirisati ideje za implementaciju boljih umjetnih sistema. Iako ovi sistemi neće biti identični biološkim, nada je da će biti efikasniji i funkcionalniji. Spoj računarskih nauka i neuronauke je vrlo interesantan“.

Jedna od ideja kako umjetna inteligencija može napredovati, je stvoriti sisteme koji mogu obavljati iste zadatke kao današnji sistemi, ali koristeći stotine ili hiljade puta manje energije. Druga ideja je razviti funkcionalnije umjetne sisteme sa sposobnostima koje su nedostupne današnjim sistemima. Jedan od načina za implementaciju je korištenje različitih principa na osnovnom nivou.

„Ne postoji fundamentalni razlog zašto umjetni sistemi moraju raditi isključivo na obradi digitalnih informacija, nizova ‘0’ i ‘1’, niti zašto jedan dio računara mora biti specifično memorija, a drugi procesorska jedinica,” objasnio je. Ovo ima svoje prednosti, ali i mane. Ljudski mozak ne funkcioniše obrađujući nizove ‘0’ i ‘1’, niti postoji tkivo koje je isključivo memorija ili procesorski dio, kao što je to slučaj u današnjim računarima“, objasnio je Mehonić.

On očekuje da će bolje razumijevanje principa rada ljudskog mozga inspirisati ideje za implementaciju boljih umjetnih sistema. Iako ovi sistemi neće biti identični biološkim, nada je da će biti efikasniji i funkcionalniji. Spoj računarskih nauka i neuronauke je vrlo interesantan“, dodao je.

„Moramo biti oprezni zbog brojnih etičkih pitanja koja zahtijevaju pažnju, ali je zanimljivo da ćemo moći implementirati funkcionalnije uređaje svuda oko nas. Potencijal za poboljšanje kvaliteta ljudskog života je velik, i nadam se da ćemo ga iskoristiti“, kazao je za kraj dr. Adnan Mehonić.