स्टीव माइक्रोबर, बीबीसी माइक्रो कंप्यूटर के निर्माता और 32-बिट एआरएम आरआईएससी माइक्रोप्रोसेसर, साथ ही एआरएम के संस्थापक।
मैनचेस्टर विश्वविद्यालय में अनुसंधान के इतिहास में एक भ्रमण
विश्वविद्यालय के पास कंप्यूटर के विकास का एक उत्कृष्ट इतिहास है और उसने कंप्यूटर विज्ञान और कृत्रिम बुद्धिमत्ता के विकास में एक क्रांतिकारी भूमिका निभाई है। SSEM नामक दुनिया का पहला इलेक्ट्रॉनिक कंप्यूटर, जिसे “बेबी” के नाम से भी जाना जाता है, जिसकी विशिष्ट विशेषता मशीन की मेमोरी में डेटा और कार्यक्रमों का संयुक्त भंडारण था (दूसरे शब्दों में, वॉन न्यूमैन वास्तुकला के पत्राचार), 1948 में फ्रेडरिक विलियम्स और टॉम किलबर्न द्वारा बनाया गया था। डिवाइस को ही कम्प्यूटेशनल उद्देश्यों के लिए इतना नहीं बनाया गया था क्योंकि कैथोड रे ट्यूब (उर्फ "विलियम्स ट्यूब" ) पर कंप्यूटर मेमोरी के गुणों का अध्ययन करने के लिए।
प्रयोग की सफलता ने मैनचेस्टर मार्क 1 (मैनचेस्टर मार्क 1) के अगले वर्ष के निर्माण को प्रेरित किया, जिसमें पहले से ही पंच टेप पढ़ने और लिखने के लिए एक उपकरण था, जो आपको प्रोग्राम को रोक दिए बिना एक चुंबकीय ड्रम से इनपुट / आउटपुट की अनुमति देता है। इसके अलावा मार्क 1 में, दुनिया में पहली बार इंडेक्स रजिस्टर का उपयोग किया गया था। दो साल बाद, दुनिया का पहला वाणिज्यिक सार्वभौमिक कंप्यूटर, फेरेंटी मार्क 1, वहां विकसित किया गया था। ये कंप्यूटर लगभग सभी आधुनिक कंप्यूटरों के पूर्वज बन गए हैं।
"बेबी" और मार्क 1 के प्रयोगों में, कंप्यूटर प्रौद्योगिकी और कृत्रिम बुद्धिमत्ता के संस्थापकों में से एक एलन ट्यूरिंग सीधे तौर पर शामिल थे। ट्यूरिंग का मानना था कि कंप्यूटर अंततः इंसान की तरह सोच सकते हैं। उन्होंने अपने शोध के परिणामों को "कम्प्यूटिंग मशीनों और दिमाग" लेख में प्रकाशित किया, जिसमें, विशेष रूप से, एक विचार प्रयोग (जिसे ट्यूरिंग टेस्ट के रूप में जाना जाता है) प्रस्तावित किया गया था, जिसमें सोचने की मशीन की क्षमता का आकलन करना शामिल है: क्या किसी व्यक्ति के लिए यह निर्धारित करने के लिए एक अदृश्य वार्ताकार के साथ बात करना संभव है। वह किसी अन्य व्यक्ति या कृत्रिम उपकरण के साथ है।
प्रोजेक्ट मोटिव्स
ट्यूरिंग परीक्षण और इसमें प्रस्तावित मॉडलिंग सोच के लिए दृष्टिकोण अभी तक हल नहीं हुआ है और गर्म वैज्ञानिक चर्चा का विषय बना हुआ है। आधुनिक कंप्यूटरों के मुख्य नुकसान जो उन्हें जीवित प्राणियों के मस्तिष्क से अलग करते हैं, वे हार्डवेयर विफलताओं को सीखने और अस्थिरता के लिए उनकी अक्षमता हैं, जब एक घटक टूटने पर पूरी प्रणाली नीचे जाती है। इसके अलावा, वॉन न्यूमैन वास्तुकला के आधुनिक कंप्यूटरों में मानव मस्तिष्क द्वारा आसानी से की जाने वाली कई विशेषताएं नहीं होती हैं, जैसे कि साहचर्य स्मृति और वस्तुओं की वर्गीकरण और मान्यता की समस्याओं को हल करने की क्षमता, क्लस्टरिंग या पूर्वानुमान।
इस तरह की परियोजनाओं की लोकप्रियता का एक और कारण माइक्रोप्रोसेसरों की शक्ति बढ़ाने की भौतिक सीमा के लिए दृष्टिकोण है। उद्योग के दिग्गज स्वीकार करते हैं कि ट्रांजिस्टर की संख्या में और वृद्धि से प्रोसेसर की गति में उल्लेखनीय वृद्धि नहीं होगी, और तर्क का सुझाव है कि माइक्रोक्राइक्यूट्स में खुद प्रोसेसर की संख्या में वृद्धि होगी, दूसरे शब्दों में, बड़े पैमाने पर समानता का मार्ग लागू होगा।
दुविधा यह है कि क्या माइक्रोप्रोसेसरों की शक्ति को अधिकतम करना आवश्यक है और केवल अंतिम उत्पाद में संभव के रूप में इनमें से कई प्रोसेसर स्थापित करें, या सरलीकृत प्रोसेसर का उपयोग किया जाना चाहिए जो कि बुनियादी गणितीय कार्य कर सकते हैं। यदि कार्य को मोटे तौर पर स्वतंत्र उप-समूहों की एक मनमानी संख्या में विभाजित करना संभव है, तो अंतिम सिद्धांत जीत के अनुसार निर्मित प्रणाली।
SpiNNaker Project के लक्ष्य
उपरोक्त उद्देश्य SpiNNaker (स्पाइकिंग न्यूरल नेटवर्क आर्किटेक्चर) नामक एक परियोजना पर काम कर रहे एक शोध दल द्वारा संचालित हैं। परियोजना का लक्ष्य विफलताओं के लिए पर्याप्त रूप से उच्च प्रतिरोध के साथ एक उपकरण बनाना है, जो प्रसंस्करण शक्ति को भागों की एनटीटी संख्या में विभाजित करके प्राप्त किया जाता है जो सबसे सरल उप-कार्य करते हैं। इसके अलावा, अगर इनमें से कोई भी भाग विफल हो जाता है, तो सिस्टम सही ढंग से काम करना जारी रखता है, केवल एक अविश्वसनीय नोड को बाहर करने के लिए खुद को इस तरह से पुन: कॉन्फ़िगर करता है, पड़ोसी नोड्स के लिए अपनी जिम्मेदारियों का पुनर्वितरण करता है और सिग्नल ट्रांसमिशन के लिए वैकल्पिक "सिनेप्टिक" कनेक्शन ढूंढता है। मानव मस्तिष्क में कुछ ऐसा ही होता है, क्योंकि हर दूसरा व्यक्ति एक न्यूरॉन खो देता है, लेकिन यह सोचने की क्षमता पर बहुत कम प्रभाव डालता है।
बनाई गई प्रणाली का एक अन्य लाभ इसकी स्व-सीखने की क्षमता है, जो तंत्रिका नेटवर्क की एक बानगी है। इस प्रकार, इस तरह की मशीन वैज्ञानिकों को सेरेब्रल कॉर्टेक्स में होने वाली प्रक्रियाओं के बारे में जानने में मदद करेगी और मस्तिष्क कोशिकाओं की जटिल बातचीत की समझ में सुधार करेगी।
परियोजना के पहले चरण में, वास्तविक समय में 500,000 न्यूरॉन्स तक सिमटने की योजना है, जो मधुमक्खी के मस्तिष्क में लगभग न्यूरॉन्स की संख्या से मेल खाती है। परियोजना के अंतिम चरण में, यह माना जाता है कि यह उपकरण एक अरब न्यूरॉन्स तक अनुकरण करने में सक्षम होगा, जो मानव मस्तिष्क में न्यूरॉन्स की संख्या के लगभग बराबर है।
सिस्टम आर्किटेक्चर
उल्लेखनीय रूप से कंप्यूटर को डिजाइन करने का तरीका है। प्रस्तावित डिवाइस में 50 चिप्स का एक नियमित मैट्रिक्स होता है। प्रत्येक चिप में 20 ARM968 माइक्रोप्रोसेसर होते हैं, और उनमें से 19 को सीधे न्यूरॉन्स के सिमुलेशन में आवंटित किया जाता है, और बाकी चिप के संचालन को नियंत्रित करता है और गतिविधि का एक लॉग रखता है।
अंजीर। 1. सिस्टम आरेख
इस तरह की प्रत्येक चिप अपने स्वयं के राउटर के साथ एक पूर्ण सबसिस्टम है, डायरेक्ट एक्सेस मोड के साथ आंतरिक सिंक्रोनस डायनेमिक रैम (स्टोरिंग कमांड के लिए 32 Kbytes और डेटा स्टोर करने के लिए 64 Kbytes) और 8 Gbps के थ्रूपुट के साथ अपने स्वयं के संदेश प्रणाली। इसके अलावा, नेटवर्क टोपोलॉजी को स्टोर करने के लिए प्रत्येक चिप में 1 जीबी की बाहरी मेमोरी होती है। डेवलपर्स के अनुसार, केंद्रीय प्रोसेसर, आंतरिक मेमोरी और डेटा ट्रांसमिशन टूल का अनुपात आपको वास्तविक समय में प्रत्येक माइक्रोप्रोसेसर में 1,000 न्यूरॉन्स तक अनुकरण करने की अनुमति देता है।
इस प्रणाली की एक विशिष्ट विशेषता सिंक्रनाइज़ेशन की पूर्ण कमी है। प्रत्येक न्यूरॉन, एक निश्चित आंतरिक स्थिति तक पहुंचने पर, पोस्टसिनेप्टिक न्यूरॉन को एक संकेत भेजता है, जो तदनुसार बाद में न्यूरॉन को एक नया संकेत भेजता है या नहीं भेजता है (इसकी आंतरिक स्थिति पर निर्भर करता है)।
उल्लेखनीय कार्य चक्र के दौरान तंत्रिका नेटवर्क के पुनर्निर्माण की संभावना है। इस प्रकार, यह दोषपूर्ण नोड्स को अलग करने की अनुमति देता है, साथ ही न्यूरॉन्स के बीच नए कनेक्शन बनाने की संभावना पैदा करता है और संभवत: नए न्यूरॉन्स को प्रकट करने की अनुमति भी देता है।
सिमुलेशन की तत्काल शुरुआत से पहले, कॉन्फ़िगरेशन फ़ाइल को सिस्टम में लोड किया जाता है, न्यूरॉन्स और प्रारंभिक नेटवर्क डेटा का स्थान निर्धारित करता है। डेटा डाउनलोड करने की इस पद्धति के लिए प्रत्येक चिप पर एक सरल ऑपरेटिंग सिस्टम की आवश्यकता होती है। काम करने की स्थिति में, मशीन को इनपुट पर जानकारी की निरंतर आपूर्ति की आवश्यकता होती है, और परिणाम आउटपुट डिवाइस को खिलाया जाता है।
अंजीर। 2. टेस्ट चिप
मशीन के अंदर चल रही प्रक्रियाओं, त्रुटियों को सही करने और सिस्टम को मैन्युअल रूप से पुन: कॉन्फ़िगर करने के लिए एक निगरानी प्रणाली की आवश्यकता है। इस प्रयोजन के लिए, नेटवर्क की वर्तमान स्थिति को बनाए रखने के दौरान मशीन को मैन्युअल रूप से रोकना संभव है और बाद में (आवश्यक के रूप में) पहले से ही नए कॉन्फ़िगरेशन लोड करने में संबंधित परिवर्तन।
संभावनाओं
इस तथ्य के बावजूद कि मशीन का प्राथमिक उद्देश्य तंत्रिका नेटवर्क मॉडलिंग करना है, यह विभिन्न अन्य अनुप्रयोगों में उपयोग करना समान रूप से संभव है जो बड़ी कंप्यूटिंग शक्ति, जैसे कि प्रोटीन तह, डिक्रिप्शन या डेटाबेस खोज की आवश्यकता होती है।