تصور کنید در یک اتاق نسبتاً تاریک نشستهاید. تنها یک لامپ کوچک روشن است، ولی همین روشنایی کم کافی است تا بتوانید کتاب بخوانید، به صدای موسیقی گوش بدهید، خاطرهای را به یاد بیاورید، یا حتی عاشق شوید. شگفتی ماجرا اما اینجاست؛ مغز انسان با مصرفی در حد همین لامپ کوچک، میلیاردها نورون را زنده نگه میدارد که همزمان تصویر میبینند، صدا میشنوند و تصمیم میگیرند؛ البته اشتباه هم میکنند. حالا آن را مقایسه کنید با یک ابررایانه که برای پردازشهایی مشابه، گاهی به برق یک نیروگاه کوچک نیاز دارد!

اینجاست که این پرسش به وجود میآید: اگر مغز اینقدر کارآمد است، چرا تراشهها و مدارهای ما شبیه آن طراحی نشوند؟ همین، سرآغاز شاخهای تازه و هیجانانگیز در علم، به نام محاسبات نورومورفیک شد. ساخت مدارهایی که نه فقط حسابوکتاب کنند، بلکه شبیه مغز یاد بگیرند و تصمیم بگیرند. این ایده نخستینبار در دهه هشتاد میلادی مطرح شد، اما امروز بیش از هر زمان دیگری جدی گرفته میشود.
کامپیوترهای معمولی همه چیز را به صفر و یک خلاصه میکنند، روشن یا خاموش. اما مغز بسیار پیچیدهتر رفتار میکند. نورونها پیامهایی با شدت و الگوهای مختلف ردوبدل میکنند، مثل ملودی یک موسیقی که تنها با «نت درست یا غلط» معنا ندارد، بلکه شدت، ریتم و تغییراتش احساس را منتقل میکند. برای درک این رفتار پیچیده، دانشمندان به سراغ ابزارهایی مانند منطق فازی رفتند؛ شاخهای از ریاضیات که بنیانگذارش، پروفسور لطفیزاده (لطفعلی عسکرزاده)، دانشمند ایرانی است.
برای نزدیکشدن به این معماری شگفتانگیز، شرکتهای بزرگ فناوری به سراغ طراحی تراشههای جدید رفتهاند. مثلاً «تراشه Loihi» ساختهٔ اینتل میتواند مانند شبکههای عصبی مغز، خودش را با تجربههای تازه تطبیق دهد. یا پروژهٔ SyNAPSE در شرکت آیبیام تراشههایی طراحی کرده که میلیونها نورون و میلیاردها اتصال سیناپسی را شبیهسازی میکنند. این تراشهها میتوانند الگوها را تشخیص دهند، یاد بگیرند و حتی در مصرف انرژی صرفهجویی کنند.
کاربردهای این فناوری شگفتانگیز را میشود همین امروز در دل هوش مصنوعی دید. تراشههایی که در گوشیها، لپتاپها و حتی خودروهای هوشمند به کار میروند، دیگر فقط «محاسبه کننده» نیستند. آنها مثل مغز الگوها را تشخیص میدهند، تجربههای قبلی را ذخیره میکنند و با مصرف انرژی بسیار کمتر تصمیم میگیرند. به همین دلیل است که دوربین گوشی شما میتواند در همان لحظه چهرهها را بشناسد یا دستیارهای هوشمندی مثل سیری و گوگل اسیستنت سریع و دقیق جواب بدهند. آینده هم روشنتر است: نسل بعدی این تراشهها میتوانند هوش مصنوعیهای قدرتمندی بسازند که حتی بدون اینترنت دائمی، درست روی دستگاه شما یاد بگیرند و عمل کنند، از ترجمه زنده گرفته تا تحلیل دادههای پیچیده، آن هم با مصرف انرژی به اندازهٔ یک لامپ کوچک.
البته رسیدن به مغزی مصنوعی در ابعاد یک تراشه کوچک هنوز راه درازی در پیش دارد. ساختن مداری که واقعاً مانند مغز یاد بگیرد، هزاران چالش علمی و فنی دارد. اما همین تلاشها باعث شده مرز میان رشتهها محو شود. فیزیک، مهندسی برق، علوم اعصاب و حتی فلسفه به یک وادی رسیدهاند و همکاریشان باعث خلق ایدههای نو میشود. چون پرسشی عمیق همیشه در پسزمینه وجود دارد؛ اگر روزی ماشینی بسازیم که مثل مغز یاد بگیرد، آیا میتوان گفت آن ماشین «فکر» میکند؟
شاید پاسخ این پرسش بنای آینده را بسازد، اما بسیار روشن است؛ فناوری فردا دیگر فقط با سریعتر کردن پردازندهها یا تغییردادن کدها و الگوریتمها بهبود نمییابد، بلکه با الهامگرفتن از طبیعت است که پیشرفت میکند. ممکن است چند سال دیگر وقتی به گوشی یا لپتاپ خود نگاه کنید، درونش مداری باشد که بیشتر شبیه یک شبکه عصبی زنده عمل کند تا یک برد سیلیکونی بیجان و آن روز، شاید رایانه شما فقط ابزاری برای اجراکردن دستورات نباشد، بلکه مثل یک همراه واقعی شما را بفهمد، با شما یاد بگیرد و با شما رشد کند.