اقتصاد دانش بنیان

آینده خودروهای تماماتوماتیک چقدر روشن است؟

اگر جزو کساني هستيد که تصور نميکنند به اين زوديها بتوان از اتومبيلهاي بدون نياز به راننده استفاده کرد، بايد بدانيد که تنها نيستيد. برنامهريزي رايانه ها براي تشخيص اشيا از ديدگاه تکنيکي بسيار چالشبرانگيز است، زيرا دانشمندان هنوز نميدانند مغز ما چگونه اين کار را انجام ميدهد. محققان موسسه سالک (Salk) مشغول بررسي چگونگي کارکرد نورونها در يک بخش حساس از مغز به نام V2 هستند (که به حواس طبيعي پاسخگويي دارند) تا درک بهتري از فرايندسازي توانايي ديدن به دست آيد. نتايج اين پژوهش در مجله Nature Communications به چاپ رسيده است. دکتر تاتيانا شارپي، استاديار آزمايشگاه نوروبيولوژي رايانهاي و از محققان ارشد موسسه سالک، توضيح ميدهد: «فهميدن اينکه مغز چگونه اشيا بصري را تشخيص ميدهد اهميت زيادي دارد؛ نهتنها به دليل افزايش دانش ما درباره فرآيند ديدن، که ايجاد امکان بازسازي کارکرد مغز به صورت کلي.»

ساختار مغزي

بخش زيادي از مغز ما را واحدهاي پردازنده تکرارشونده CC تشکيل ميدهد (کوچکشده Cortical Column). در زمان مشاهده يک تصوير ما ورودي به مغز را با دقت بسيار بالايي کنترل ميکنيم، به گونهاي که ميتوان پيامهايي را که به مغز انتقال مييابند، به صورت کمي آناليز کرد. اگرچه ما از امکان ديدن و حس بصري به صورت روزانه استفاده ميکنيم، اما ماهيت آن هنوز به صورت دقيق شناختهشده نيست. اين قابليت از مجموعهاي از تغييرات و انتقال سيگنالهاي رياضياتي نشئت ميگيرد که هنوز امکان بازسازي آنها در يک کامپيوتر وجود ندارد. در واقع يکسوم مغز ما در امکان ديدن و ايجاد حس بصري سهيم است.

درک بصري ما از چشمان و با کمک پيکسلهاي روشن و تيره آغاز ميشود. اين سيگنالها به قسمت پشت مغز در ناحيهاي به نام V1 ارسال ميشوند و در آنجا به اطلاعات بصري تغيير مييابند و ترجمه ميشوند. به گونهاي و در نتيجه تغييرات ديگر در اين اطلاعات بصري ما قادريم چهره ها را شناسايي کنيم، اشياي مختلف را ببينيم و به عنوان مثال از حرکت يک چيز مثل ماشينها در خيابان مطلع شويم. ميزان دقت اين پديده و شناسايي ما هنوز به صورت يک معما مطرح است. يکي از دلايل آن هم پيچيدگي زياد رمزنگاري و رمزگشايي سيگنالها در سلولهاي عصبي بينايي و مغز است. دکتر شارپي و همکارانش يک روش آماري ابداع کردهاند که اين پاسخها و واکنشهاي پيچيده را به صورت قابل تفسيري تعبير ميکند و به اين ترتيب راه را براي ايجاد امکان مشاهده از طريق کامپيوتري يا شبيهسازيشده ميگشايد. براي ارائه اين مدل تيم پژوهشگران از داده هايي بهره بردند که در پژوهشهاي گذشته به کمک مغز ميمونها در تماشاي مناظر طبيعي زيستگاه هاي آنها به دست آمده بود. دکتر رايان روکام از ديگر پژوهشگران اين مطالعه ميگويد: «ما از تکنيک جديد آماري استفاده کرديم تا بفهميم چه چيزي در حرکت سبب تغيير پاسخهاي نورونها در منطقه V2 مغز ميشود. متوجه شديم سلولهاي عصبي در اين منطقه به تلفيقي از محرکها واکنش نشان ميدهند. بر اين اساس روشن شد که اطلاعات بصري در منطقه V2 بر پايه چند اصل فرايندسازي ميشوند»آن اصول اينها هستند: در ابتدا گوشه هاي اشيا که جهتگيريهايي مشابه دارند با يکديگر تلفيق ميشوند و به اين ترتيب درک تغييرات کوچک در موقعيت خميدگيها از حد و مرز اشيا افزايش مييابد. اگر يک نورون به وسيله گوشه و جهتگيري ويژهاي تحريک شود، آنگاه جهتگيري 90 درجهاي از آن در همان موقعيت حالت خاموشکننده نورون خواهد داشت که اصطلاحا سرکوب گرايش متقابل خوانده ميشود. اين تلفيقها به روشهاي مختلفي به يکديگر سرهمبندي ميشوند که اجازه ميدهد ما برخي اشکال بصري را ببينيم. تيم مطالعاتي متوجه شدند که گرايش متقابل براي تشخيص شکلها ضروري خواهد بود. اصل سوم اين است که الگوهاي مرتبط در فضا تکرار ميشوند، به گونهاي که ميتواند سطح يک درخت يا آب و فاصله بين اشيا را درک کنند. محققان اين سه اصل را با يکديگر تلفيق کردند تا مدلي آماري متداول چهارتايي به دست آيد که ميتوان آن را براي ساير داده هاي پژوهشي به کار برد.

قدمهاي آينده

فرايند ديدن مشابه ساير پروسه هاي مغزي مانند بويايي، لامسه يا شنوايي است و بنابراين آنچه از اين پژوهشها به دست ميآيد، در ساير زمينه هاي حواس هم قابليت کاربرد دارد. دکتر روکام توضيح ميدهد: «مدلهايي که در گذشته روي آنها کار کردهايم، به صورت کامل با داده ها سازگاري نشان نميدادند يا به صورت شفاف سازگار نبودند. بنابراين ايده تلفيقي تشخيص گوشه و کنار اشيا با حساسيت نسبت به بافتها به عنوان راهي بسيار نوآورانه براي درک داده هاي پيچيده بصري مطرح شد. کاربرد اين فناوري بهبود تشخيص الگوريتمها براي کاربرد در اتومبيلهاي بينياز از راننده يا ساير تجهيزات روباتيک است. به نظر ميرسد هرگاه عناصري از محاسبات صورتگرفته در مغز براي درک محيط اطراف و فرايندسازي داده ها مانند آنچه در ديدن اتفاق ميافتد به الگوريتمهاي رايانهاي اضافه ميشود، کارکرد آنها بهبود مييابد.»

منبع: مجله دانش بنیان