ذكاء اصطناعي مستوحى من الدماغ يخفض استهلاك الطاقة ويزيد الكفاءة

كشفت دراسة حديثة أجرتها جامعة سَري البريطانية عن نهج جديد في تصميم أنظمة الذكاء الاصطناعي، مستوحى من طريقة عمل الدماغ البشري، يمكن أن يقلل استهلاك الطاقة بشكل كبير ويرفع كفاءة الأداء دون فقدان الدقة.

وأوضح فريق البحث من مجموعة “الحوسبة والهندسة المستوحاة من الطبيعة” (NICE) في الجامعة، أن محاكاة البنية العصبية الطبيعية للدماغ، وخاصة الطريقة “المتفرقة والمنظمة” التي تتصل بها الخلايا العصبية، يمكن أن تحسّن أداء الشبكات العصبية الاصطناعية (ANNs) المستخدمة في النماذج الحديثة مثل ChatGPT وغيرها.

خريطة الندرة الطوبوغرافية

الطريقة الجديدة، التي أُطلق عليها اسم «خريطة الندرة الطوبوغرافية» (Topographical Sparse Mapping – TSM)، تعيد التفكير في كيفية بناء الشبكات العصبية من الأساس، فبدلًا من الربط الكامل بين كل خلية عصبية وأخرى كما يحدث في النماذج التقليدية، تقتصر الاتصالات في النموذج الجديد على الخلايا القريبة أو ذات العلاقة المباشرة، على غرار التنظيم العصبي في النظام البصري للدماغ. هذا النهج يقلل من عدد الاتصالات والعمليات الحسابية غير الضرورية، ما يوفّر طاقة ضخمة.

وقد طوّر الفريق نسخة محسّنة تُعرف باسم «الخريطة الطوبوغرافية المحسّنة» (Enhanced Topographical Sparse Mapping – ETSM)، تضيف آلية “تشذيب” مستوحاة من الدماغ، تقوم بإزالة الوصلات غير الفعالة أثناء التدريب، كما يحدث في تطور الدماغ الطبيعي.

نسبة ندرة بلغت 99%

يقول الدكتور رومان باور، المحاضر في كلية علوم الحاسب والهندسة الإلكترونية بجامعة سَري والمشرف على المشروع: “تدريب النماذج الكبيرة للذكاء الاصطناعي اليوم قد يستهلك أكثر من مليون كيلوواط/ساعة من الكهرباء، أي ما يعادل استهلاك أكثر من مئة منزل أمريكي سنويًا، بتكلفة تصل إلى عشرات الملايين من الدولارات، هذا غير مستدام مع وتيرة نمو الذكاء الاصطناعي، عملنا يثبت أنه يمكن بناء أنظمة ذكية أكثر كفاءة وأقل استهلاكًا للطاقة دون التضحية بالأداء.”

ووفق نتائج الدراسة، حقق النموذج الجديد نسبة ندرة بلغت 99%، أي أنه أزال تقريبًا جميع الاتصالات التقليدية بين الخلايا العصبية، ومع ذلك حافظ على دقة مماثلة أو أعلى من الشبكات التقليدية في اختبارات معيارية.

كما تميّز بسرعة تدريب أكبر، واستهلاك ذاكرة أقل، وطاقة لا تتجاوز 1% من احتياجات النماذج الحالية.

تقليص استهلاك الطاقة أكثر

من جانبه، قال الباحث محسن كامليان راد، طالب الدكتوراه وقائد الدراسة: “يحقق الدماغ كفاءة مذهلة بفضل بنيته المنظمة، حيث تتصل كل خلية عصبية بما هو قريب مكانيًا،  عندما نحاكي هذا التصميم في الذكاء الاصطناعي، نحصل على أنظمة تتعلم بسرعة أكبر وتستهلك طاقة أقل وتقدم أداءً مماثلًا أو أفضل، إنها طريقة جديدة تمامًا للتفكير في الشبكات العصبية، مستندة إلى مبادئ الذكاء الطبيعي نفسه.”

ويأمل الباحثون أن يساهم تطبيق هذا النهج على الطبقات الأعمق في الشبكات العصبية في تقليص استهلاك الطاقة أكثر، مع إمكانية استخدامه في تصميم الحواسيب العصبية (النيورومورفية) المستقبلية، ما قد يفتح الباب أمام جيل جديد من الذكاء الاصطناعي الموفر للطاقة والمستدام بيئيًا.