Thursday, November 9, 2023

न्यूरोमॉर्फिक कॉम्प्युटिंग

न्यूरोमॉर्फिक कॉम्प्युटिंग - एक वेध

पृथ्वीतलावर मानवाने अधिराज्य गाजवण्याचे एकमेव कारण म्हणजे त्याची बुद्धीमत्ता ! मानवाने आपल्या बुद्धीकौशल्याने पृथ्वीवर स्वर्ग निर्माण केला आहे. स्मरणशक्ती, तर्कसंगत विचार आणि कल्पनाशक्ती हि मानवी बुद्धीची तीन अविभाज्य अंग आहेत. फार पूर्वी नित्य व्यवहारातील काही आकडेमोड विविध साधने वापरूनही अगदी वेळखाऊ असत. तेव्हा माणसाने विचार केली की 'आपल्या आदेशानुसार आकडेमोड करेल असे स्वयंचलित यंत्र तयार करणे शक्य आहे का ?' काळाची हि गरज ओळखून मग नवीन विज्ञान सुरु झाले.

न्यूरोमॉर्फिक कंप्यूटिंगची संकल्पना
(Source: https://cdn.lanl.gov/bf20d015-a028-46d3-b386-db6dda01ea17.jpg)

शेकडो वर्षांपूर्वी रोमन लोक अनेक ठिकाणी अबॅकस अंकगणित वापरत. त्यानंतर गणनासाठी अनेक प्रकाराचे कॅलक्युलेटींग बोर्ड्स तसेच टेबलसचा शोध लागला. यामधील पुढची पायरी होती - यांत्रिक संगणक ! एकोणिसाव्या शतकात यांत्रिक अभियंता व पॉलीम्याथ, चालर्स बॅबेज यांनी पहिल्यांदा यांत्रिक संगणकाचा शोध लावला. त्यानंतर १९३८ मध्ये लिफोर्ड बेरी यांनी पहिला इलेक्ट्रॉनिक संगणक तयार केला. परंतु त्याअगोदरच म्हणजे १९३६ मध्ये गणिततज्ञ ऍलन टुरिंग यांनी आधुनिक संगणकाचे तत्वज्ञान मांडले होते. म्हणूनच त्यांना आधुनिक संगणकाचे जनक मानले जाते. यांत्रिक संगणक (मेकॅनिकल कॉम्प्युटर) मध्ये लॉजिक घटक यांत्रिक किंवा अनालॉग असतात, तर इलेक्ट्रॉनिक संगणकामध्ये हे घटक इलेक्ट्रिकल किंवा डिजिटल असतात. टुरिंग यांनी 'युनिव्हर्सल कॉम्पुटिंग मशीन' कि जो 'साध्या उपकरणांचा सिद्धांत' म्हणून ओळखला जातो, स्थापित केला. पुढे व्होन न्यूमन यांनी आधुनिक संगणकाची मध्यवर्ती संकल्पना ऍलन टुरिंगच्या सिद्धांतावरच आधारित आहे हे मान्य केले. मानवी मेंदूची नक्कल शिकणारे आणि परिस्तिथीशी जुळवून घेणारे संगणक प्रोग्रॅम (आज्ञावली) कृत्रिम बुद्धिमत्तेच्या उदयोन्मुख क्षेत्राचा भाग मानले जातात.

डॉ ऍलन ट्युरिंग
(Source: https://www.linkedin.com/pulse/alan-turing-father-modern-computing-ai-enigma-code-breaker-singh/)

न्यूरोमॉर्फिक संगणन ही प्रणालीमध्ये संगणकाचे घटक मानवी मेंदू आणि मज्जासंस्थेतील प्रणालींनुसार तयार केले जातात. थोडक्यात यामध्ये संगणकीय घटकांचे हार्डवेअर आणि सॉफ्टवेअर डिझाइन केले जाते. न्यूरोमॉर्फिक संगणनाला कधीकधी न्यूरोमॉर्फिक अभियांत्रिकी म्हणूनसुद्धा संबोधले जाते.

दुसऱ्या महायुद्धानंतर अल्पावधीतच ऍलन टुरिंग यांच्या “मशिन्स विचार करू शकतात का?” ह्या अगदी साध्या प्रश्नाने इतिहास घडवला. न्यूरोमॉर्फिक कॉम्प्युटिंग अर्थात 'चेतापेशीसंबधीत गणन' या संकल्पनेचा इथेच उगम होतो. वस्तुतः 'न्यूरोमॉर्फिक कॉम्प्युटिंग' हा शब्द १९७० पासून वापरला जात आहे. कॅलटेक चे संशोधक “कार्व्हर मीड” यांनी सर्वप्रथम जिवंत न्यूरॉन (मेंदुमधील चेतापेशी) च्या संघटन आणि कार्यक्षमतेची नक्कल करण्यासाठी इंटिग्रेटेड सर्किट्स तयार करण्याची संकल्पना मांडली होती. नॅशनल इन्स्टिट्यूट ऑफ स्टँडर्ड्स (निस्ट) च्या म्हणण्याप्रमाणे न्यूरोमॉर्फिक कॉम्प्युटिंग ने आकलन आणि निर्णयक्षमता प्रभावीपणे करणे शक्य होते कि जे कृत्रिम बुद्धिमत्तेचे (आर्टिफिशिअल इंटेलिजन्स अर्थात एआय) गमक आहे. न्यूरोमॉर्फिक कॉम्प्युटिंग ही मानवी मेंदूची नक्कल करणारी एक प्रगत संगणकीय प्रणाली आहे.

प्रा कार्व्हर मीड
(Source: http://www.carvermead.caltech.edu/#)

मानवी मेंदूमध्ये सरासरी ८० ते १०० अब्ज न्यूरॉन्स (चेतापेशी) असतात. प्रत्येक चेतापेशी एकट्याने किंवा समूहात राहून अगदी मोठ्या प्रमाणात समांतर प्रक्रिया कार्यक्षमतेने करण्यास सक्षम असतात. हे आपल्याला शक्ती आणि कार्यक्षमतेच्या एकत्रित परिणामाद्वारे स्मार्ट बनण्यास सक्षम करतात. न्यूरोमॉर्फिक कंप्युटिंगच्या सर्वात आश्वासक प्रकारांपैकी एक असलेल्या "स्पाइकिंग न्यूरल नेटवर्क्स" चा वापर मानवी मेंदूमध्ये होतो. जैविक न्यूरॉन फायरिंग (किंवा "स्पाइक्स") सिग्नल प्रसारित करण्यासाठी मदत करतात. या नैसर्गिक प्रणाली कृत्रिम बुद्धिमत्ता प्रणालीपेक्षा खूपच ऊर्जा कार्यक्षम आहेत, म्हणूनच कृत्रीम बुद्धिमतेची क्षमता वाढवण्यासाठी आज जगभर जैविक बुद्धिमतेचा सखोल अभ्यास व संशोधन केले जात आहे. सध्या इलेक्ट्रॉनिक साधनांचा उपयोग करून माणसाची स्मरणशक्ती, समज, संवेदन आणि आकलन या गुणांची कृत्रिम नक्कल करण्याचा प्रयत्न केला जात आहे. कृत्रिमरित्या या जैविक गुणांच्या अधिकाधिक जवळ जाण्याचा प्रयत्न होताना दिसत आहे.

जैविक न्यूरॉन, कृत्रिम न्यूरॉन आणि स्पाइकिंग न्यूरॉन यांच्यातील तुलना
(Source: https://www.mdpi.com/2076-3425/12/7/863)


मेमरी (स्मरणशक्ती) आणि न्यूरोमॉर्फिक प्रणाली

प्रगत मटेरियल तंत्रज्ञानातील अलीकडील संशोधनामध्ये जैविक न्यूरॉनची नक्कल करणाऱ्या कृत्रिम न्यूरॉन्सवर लक्ष केंद्रित केले गेले आहे. याचाच एक भाग म्हणून कृत्रिम सायनॅप्सने जैविक सायनॅप्सचे अचूक अनुकरण करण्यावर भर दिला जातो. दोन न्यूरॉन्समधील सांध्याला सायनॅप्स म्हणतात. न्यूरोमॉर्फिक कार्ये अधिक सुलभ करण्यासाठी ऊर्जा कार्यक्षमता, नॅनोडिव्हाइस आकार, वेगवेगळे अल्गोरिथम इ. सारख्या अनेक गोष्टीं विचारात घ्याव्या लागतात. आतापर्यंत कार्यक्षम कृत्रिम सायनॅप्स तयार करताना अनेक मेमरी उपकरणांच्या विस्तृत श्रेणी वापरल्या आहेत. यामध्ये रेझिस्टिव्ह रँडम-एक्सेस मेमरी (मेमरीस्टर), डिफ्यूसिव्ह मेमरीस्टर्स, फेज चेंज मेमरी, फेरोइलेक्ट्रिक फील्ड-इफेक्ट ट्रान्झिस्टर, स्पिन्ट्रॉनिक्स-चुंबकीय मेमरी आणि सायनॅप्टिक ट्रान्झिस्टर यांचा समावेश होतो. अर्थात, या प्रत्येक उपकरणांचे स्वतःचे काही फायदे व कमतरता आहेत. त्यामुळे विशिष्ट अनुप्रयोगाच्या आवश्यकतेनुसार डिव्हाइस निवडणे आवश्यक असते. न्यूरोमॉर्फिक प्रणालीमध्ये ३ डी डिव्हाईस आणि लॉजिक सर्किट्सचा उपयोग केला असला तरी, किमान नजीकच्या भविष्यात, या प्रणालीत अजूनही परिपक्व आणि विश्वासार्ह कॉम्प्लिमेंटरी मेटल-ऑक्साइड सेमीकंडक्टर (सीमॉस) सारख्या सर्किटरीची आवश्यकता दिसते.

वर नमूद केलेल्या मेमरी डिव्हाइसेस पैकी मेमरीस्टर हे डिवाइस ऊर्जावापर, आकार, रचना तसेच तयार करण्याच्या पद्धती यादृष्टीने अधिक सुयोग्य वाटतात. १९७१ मध्ये, प्रोफेसर युवान चुहा यांनी मेमरीस्टर या चौथ्या सर्किट कंपोनंन्ट चा सैद्धांतिक पुरावा सादर केला. नंतर २००८ मध्ये एचपी संशोधन प्रयोगशाळेने यासाठी प्रायोगिक पुरावे दिले. आतापर्यंत आपल्याला शिकवले गेले आहे की इलेक्ट्रॉनिक सर्किटचे तीन मुख्य कंपोनंन्ट असतात, ते म्हणजे रेसिस्टर, कॅपेसिटर आणि इंडक्टर. परंतु युवान चुहा यांनी सुचविलेल्या मेमरीस्टर या नवीन कंपोनंन्टमुळे इलेक्ट्रॉनिक कंपोनंन्टविषयीचे संपूर्ण ज्ञान अवगत झाले आहे. मेमरिस्टर केवळ माहिती साठवत नाही तर त्यावर प्रक्रिया देखील करू शकतो, म्हणून तो जैविक न्यूरॉनच्या समतुल्य आहे आणि म्हणूनच ते न्यूरोमॉर्फिक काम्पुटिंग मध्ये वापरले जातात.

रेझिस्टर, कॅपेसिटर, इंडक्टर आणि मेमरीस्टरची संकल्पनात्मक सममिती
(Source: https://en.wikipedia.org/wiki/Memristor)

आज सर्व उपकरणे "स्मार्ट" होताना दिसत आहेत. घरगुती उपकरणे, वाहनांपासून ते औद्योगिक उपकरणांपर्यंत अधिकाधिक उत्पादने आणि सेवा कृत्रिम बुद्धिमत्ता वापरत आहेत. आदेशांचे अर्थ लावणे, डेटाचे विश्लेषण करणे, पॅटर्न ओळखणे आणि तर्क वापरून योग्य निर्णय घेण्यासाठी कृत्रिम बुद्धिमत्ता सर्वोत्तम पर्याय ठरत आहे. म्हणूनच, कृत्रिम बुद्धिमत्तेवर चालणारी उत्पादने अलीकडच्या काळात लोकप्रिय होत आहेत. आता स्मार्ट इंटरफेसद्वारे बटन किंवा टचस्क्रीनऐवजी आपणांस आवाज अथवा हावभावाच्या माध्यमातून उपकरणे नियंत्रित करता येतात. आपणांस "गुगल असिस्टंट" आणि आयफोन मधील "सिरी" हा उपकरणाशी संवाद साधण्याचा आपल्या माहितीतील प्रकार ठाऊक असेलच. इतकेच नाही तर, एआय उत्पादनाला अधिक "स्वायत्त" बनवू शकतात, म्हणजेच कोणत्याही व्यक्तीच्या प्रत्यक्ष उपस्थिती शिवायही सर्व उपकरणे त्यांची कामे स्वतः व्यवस्थित पार पाडू शकतात. सर्वात महत्वाचे म्हणजे स्मार्ट उत्पादने डेटा विश्लेषण आणि वारंवार लागणारे ऑप्टिमायझेशन सक्षमपणे करू शकतात, जसे की आरोग्याबद्दल सतर्क करणे तसेच उपकरणामधील बिघाड, दुरुस्ती किंवा सर्व्हिस बदलणे हे आवश्यक आहे किंवा कसे याचाही अचूक अंदाज लावले जाऊ शकतात.

कृत्रिम बुद्धिमत्ता आणि तंत्रज्ञान

आजपर्यंतच्या स्मार्ट उपकरणांच्या प्रगतीमुळे विविध क्षेत्रांमध्ये अधिक अत्याधुनिक एआयची मागणी वाढत आहे. एआय सध्याच्या हार्डवेअरच्या मर्यादा स्पर्श करू लागल्या आहेत. आवश्यक अल्गोरिदम चालविण्यास सक्षम असलेल्या संगणकीय कौशल्यासह, एआय-आधारित हार्डवेअर क्लाउड किंवा डेटा सेंटरमध्ये दूरस्थपणे नियंत्रित केले जाण्याची कल्पना प्रत्यक्षात येत आहे. याकरता इंटरनेट कनेक्शन तर आवश्यक आहेच पण डेटाची देवघेव केल्यामुळे विलंबता देखील वाढू शकते. क्लाउडवर डेटा पाठवताना वास्तव आणि गोपनीयतेचाही विचार करावा लागतो. हि माहिती डिव्हाइसमध्येच अधिक स्मार्ट पद्धतीने साचवून ठेवावी लागते. याचाच एक भाग म्हणजे प्रक्रिया ‘केंद्रीकृत क्लाउडमध्ये’ न करता नेटवर्कच्या काठावर असलेल्या उपकरणांमध्ये (एज्ड डिव्हाइस) केली जाते. जरी इलेक्ट्रॉनिक उपकरणे बॅटरीवर चालत असली तरी प्रोसेसर सहसा लहान आणि सुटसुटीत असणे आवश्यक असते. पॉवर-हंग्री पद्धती ऐवजी ऊर्जेची बचत करणारी एआय पद्धती विकसित करणे हा तंत्रज्ञांसमोर मोठा प्रश्न आहे. सूक्ष्म आणि कमी उर्जेवर चालणारे एआय-पूरक हार्डवेअर कसे तयार केले जाऊ शकेल यासाठी नवीन तंत्रज्ञान शोधणे ही काळाची गरज बनली आहे. याच अनुषंगाने जगभरात संशोधन सुरू आहे व त्याचाच एक भाग म्हणून नॅनोस्केल स्पिन्ट्रॉनिक्स ऑसीलेटर्स आणि रीकॉन्फिगरेबल जोसेफसन जंक्शन्स यावर संशोधन सुरु आहे.

नॅनोस्केल स्पिन्ट्रॉनिक्स ऑसीलेटर्स आणि रीकॉन्फिगरेबल जोसेफसन जंक्शन्स

मेंदूतील न्यूरॉन्स माहितीवर प्रक्रिया आणि लयबद्ध क्रिया विकसित करून नॉनलिनियर ऑसिलेटर म्हणून काम करतात. यासाठी न्यूरोमॉर्फिक कम्पुटिंगला खूप मोठ्या प्रमाणात नॅनोस्केल नॉनलिनियर ऑसिलेटरची आवश्यकता असते. उदाहरणार्थ एका अंगठ्याच्या आकाराच्या चिपमध्ये एक कोटी नॉनलिनियर ऑसिलेटर बसवयाचे झाल्यास प्रत्येक ऑसिलेटरचा आकार एक मायक्रॉन पेक्षा कमी असणे अपेक्षित असते. स्पिन्ट्रॉनिक्सच्या कार्यपद्धतीवर अवलंबून असणारे व स्पाईकिंग ऊर्जा बदलता येणारे सुपरकंडक्टिंग जोसेफसन जंक्शन्स देखील न्यूरोमॉर्फिक काम्पुटिंग मध्ये वापरले जाते. जरी या दोन्ही घटकांनी अलिकडच्या काळात सॉफ्टवेअर आणि हार्डवेअरमध्ये लक्षणीय प्रगती केली असली तरी, कोणताही घटक मानवी मेंदूपेक्षा अधिक कार्यक्षमतेने कार्य करू शकत नाही, म्हणूनच निस्ट संशोधक न्यूरोमॉर्फिक नेटवर्क आणि बायो-प्रेरित हार्डवेअरवर काम करत आहेत. हि दोन्ही उदाहरणे भविष्यात नवीन प्रकारच्या न्यूरोमॉर्फिक कॉम्पुटिंगला अधिक चालना देतील अशी आशा आहे. जरी या गोष्टी प्रस्तावित असल्या तरी सध्या लोक न्यूरोमॉर्फिक कंप्युटिंगच्या चिपसाठी पारंपारिक इलेक्ट्रॉनिक कंपोनंट देखील वापरत आहेत.

नॅनोस्केल स्पिंट्रॉनिक ऑसिलेटरसह न्यूरोमॉर्फिक संगणन
(Source: https://www.cnrs-thales.fr/spip.php?article319&lang=en)

न्यूरोमॉर्फिक कॉम्प्युटिंगसाठी जोसेफसन जंक्शन
(Source: https://www.nist.gov/programs-projects/neuromorphic-systems)


सिलिकॉन च्या नुरोमॉर्फिक चिप्स : लोही आणि अकिडा आणि आयबीएम ची ट्रू नॉर्थ चिप

अलीकडच्या काळात इंटेलने ‘लोही’ नावाची सेल्फ लर्निंग न्यूरोमॉर्फिक चिप बाजारात आणली आहे. हि चिप मानवी मेंदूची नक्कल करून सोपवलेले यशस्वीरीत्या काम पूर्ण करते. या ऊर्जाकार्यक्षम तर आहेतच, तसेच या स्पायकिंग न्यूरल नेटवर्क (एसएनएन) चा वापर करून एआयमार्फत विविध कामे करू शकतात. त्याचप्रमाणे, ब्रेनचिपने अकिडा नावाची न्यूरोमॉर्फिक चिप विकसित केली आहे. हि चिप सुद्धा एसएनएन चा वापर करते व विविध कार्ये पूर्ण करते. आयबीएमची ट्रू नॉर्थ न्यूरोमॉर्फिक चिप सुद्धा विविध प्रकारची एआय ची कामे करू शकतात. द नेक्स्ट प्लॅटफॉर्मच्या निकोल हेमसोथ यांच्या मते, आयबीएमची न्यूरोमॉर्फिक चिप अधिक कार्यक्षम आणि स्केलेबल आहे.

इंटेलची लोही 2 न्यूरोमॉर्फिक चिप
(Source: https://www.intel.com/content/www/us/en/newsroom/news/intel-unveils-neuromorphic-loihi-2-lava-software.html#gs.06p4a9)   

ब्रेनचिपची अकिडा न्यूरोमॉर्फिक चिप
(Source: https://www.nextplatform.com/2020/01/30/neuromorphic-chip-maker-takes-aim-at-the-edge/)
आयबीएम ची ट्रू नॉर्थ न्यूरोमॉर्फिक चिप
(Source: https://spectrum.ieee.org/how-ibm-got-brainlike-efficiency-from-the-truenorth-chip) 

मानवी बुद्धीचे अनुकरण करण्याची क्षमता असणारे न्यूरोमॉर्फिक कंप्युटिंग हे एक उत्तम उदाहरण आहे. मानवासारखी स्मरणशक्ती, समज, संवेदन आणि आकलन क्षमता ह्यात दिसून येत आहे. ह्याचे अचंबित करणारे दूरगामी परिणाम दिसून येतील हे मात्र नक्की.

 - डॉ तुकाराम डोंगळे (संपादन: डॉ केशव राजपुरे)


4 comments:

  1. ANIRUDDHA ANIL PUROHITNovember 9, 2023 at 11:34 PM

    न्यूरोमॉर्फिक कॉम्प्युटिंग ह्या विषयावर एवढी सखोल माहिती मातृ भाषेमध्ये कदाचितच मिळू शकेल!
    खूप नवीन माहिती मिळाली. .
    धन्यवाद सर !!

    ReplyDelete
  2. Very nice information sir

    ReplyDelete
  3. Excellent information in simple Marathi which you presented is highly appreciable.Proud of You Keshav.CONGRATULATIONS.

    ReplyDelete
  4. धन्यवाद सर ! मेमरिस्टर बद्दल खूप सोप्या शब्दात वर्णन केले आहे....

    ReplyDelete