માનવ મગજની નકલ કરતી ન્યુરોમોર્ફિક ચિપ્સ: સિલિકોન અને જ્ઞાનતંતુઓના સંગમથી રચાતી નવી કમ્પ્યુટિંગ ક્રાંતિ

ન્યુરોમોર્ફિક કમ્પ્યુટિંગ (Neuromorphic computing) એ કમ્પ્યુટર વિજ્ઞાનનો એક એવો ઉભરતો ક્ષેત્ર છે જે માનવ મગજની જટિલ રચના અને તેની કાર્યપદ્ધતિમાંથી પ્રેરણા લે છે. આ ટેકનોલોજીમાં આર્ટિફિશિયલ ન્યુરોન્સ (artificial neurons) એટલે કે કૃત્રિમ જ્ઞાનતંતુઓનો ઉપયોગ કરીને ગણતરીઓ કરવામાં આવે છે. વિકિપીડિયાના અહેવાલ મુજબ, આ સિસ્ટમ્સ મગજની નકલ કરીને જોવાની ક્ષમતા, સ્નાયુઓનું નિયંત્રણ અને વિવિધ સંવેદનાઓના એકીકરણ જેવા કાર્યો અત્યંત કાર્યક્ષમતાથી કરી શકે છે. આ માત્ર એક નવી પ્રકારની ચિપ નથી, પરંતુ કમ્પ્યુટિંગના પાયાના સિદ્ધાંતોમાં એક મોટો ફેરફાર છે.

આધુનિક કમ્પ્યુટર્સ સામાન્ય રીતે 'વોન ન્યુમેન' આર્કિટેક્ચર પર કામ કરે છે, જ્યાં પ્રોસેસર અને મેમરી અલગ-અલગ હોય છે. આના કારણે ડેટાને સતત એક જગ્યાએથી બીજી જગ્યાએ લઈ જવો પડે છે, જેમાં ઘણી ઊર્જા વપરાય છે. તેની સામે, ન્યુરોમોર્ફિક સિસ્ટમ્સ મગજની જેમ જ વિતરિત પ્રોસેસિંગ (distributed processing) પદ્ધતિ અપનાવે છે. અહીં નાના-નાના કમ્પ્યુટિંગ તત્વોમાં જ ડેટા સંગ્રહિત થાય છે અને ત્યાં જ તેની પ્રક્રિયા થાય છે. આ અભિગમ જીવવિજ્ઞાન, ભૌતિકશાસ્ત્ર, ગણિત અને ઇલેક્ટ્રોનિક એન્જિનિયરિંગનો સમન્વય કરીને મગજની મોર્ફોલોજી (morphology) એટલે કે તેની આકારકીય રચનાની નકલ કરવાનો પ્રયાસ કરે છે.

ન્યુરોમોર્ફિક ટેકનોલોજીનો ઉદભવ અને ઇતિહાસ

ન્યુરોમોર્ફિક એન્જિનિયરિંગનો વિચાર સૌપ્રથમ ૧૯૮૦ના દાયકાના અંતમાં કાર્વર મીડ (Carver Mead) દ્વારા રજૂ કરવામાં આવ્યો હતો. ત્યારથી લઈને અત્યાર સુધીમાં આ ક્ષેત્રમાં અનેક મહત્વના સીમાચિહ્નો હાંસલ કરવામાં આવ્યા છે. ૨૦૦૬માં જ્યોર્જિયા ટેકના સંશોધકોએ સિલિકોન આધારિત ચિપ વિકસાવી હતી જે ન્યુરોન ચેનલ-આયન લાક્ષણિકતાઓનું મોડેલિંગ કરતી હતી. ત્યારબાદ ૨૦૧૧માં MITના સંશોધકોએ ૪૦૦ ટ્રાન્ઝિસ્ટર (transistor) અને સ્ટાન્ડર્ડ CMOS ટેકનિકનો ઉપયોગ કરીને એક એવી ચિપ બનાવી જે સિનેપ્ટિક કોમ્યુનિકેશન (synaptic communication) એટલે કે બે જ્ઞાનતંતુઓ વચ્ચેના સંદેશાવ્યવહારની નકલ કરી શકતી હતી.

વિકિપીડિયાના સ્ત્રોત અનુસાર, ૨૦૧૨માં HP લેબ્સના સંશોધકોએ મોટ મેમરિસ્ટર્સ (Mott memristors) વિશે અહેવાલ આપ્યો હતો, જે ન્યુરોન્સના વર્તનની નકલ કરવામાં સક્ષમ હતા. તે જ વર્ષે પરડ્યુ યુનિવર્સિટીએ લેટરલ સ્પિન વાલ્વ અને મેમરિસ્ટર્સનો ઉપયોગ કરીને અત્યંત ઊર્જા-કાર્યક્ષમ ચિપની ડિઝાઇન રજૂ કરી હતી. ૨૦૧૩માં બ્લુ બ્રેઈન પ્રોજેક્ટ (Blue Brain Project) દ્વારા ઉંદરના મગજનું વિગતવાર ડિજિટલ મોડેલ બનાવવામાં આવ્યું હતું, જેણે આ ક્ષેત્રમાં સંશોધનની નવી દિશાઓ ખોલી આપી હતી.

વર્ષ ૨૦૧૪માં સ્ટેનફોર્ડ યુનિવર્સિટીના 'બ્રેઈન્સ ઇન સિલિકોન' ગ્રુપ દ્વારા ન્યુરોગ્રીડ (Neurogrid) વિકસાવવામાં આવ્યું હતું. આ સિસ્ટમમાં ૧૬ ન્યુરોકોર (NeuroCore) ચિપ્સનો ઉપયોગ કરીને ૬૫,૫૩૬ ન્યુરોન્સની નકલ કરવામાં આવી હતી. આ જ સમયગાળામાં IBM દ્વારા TrueNorth ચિપ રજૂ કરવામાં આવી, જે ન્યુરોમોર્ફિક ક્ષેત્રમાં એક મોટી સફળતા ગણાય છે. ૨૦૧૬માં યુનિવર્સિટી ઓફ હાઇડેલબર્ગ ખાતે બ્રેઈનસ્કેલએસ (BrainScaleS) પ્રોજેક્ટ હેઠળ એક હાઇબ્રિડ સુપરકમ્પ્યુટર બનાવવામાં આવ્યું, જે જૈવિક ન્યુરોન્સ કરતા ૮૬૪ ગણી ઝડપે કામ કરી શકતું હતું.

મગજની કાર્યપદ્ધતિ અને સિલિકોન વચ્ચેનો સેતુ

ન્યુરોમોર્ફિક એન્જિનિયરિંગનો મુખ્ય ઉદ્દેશ્ય મગજની એનાલોગ (analog) પ્રકૃતિને સમજવાનો છે. આપણું મગજ રાસાયણિક સંકેતો દ્વારા માહિતી પર પ્રક્રિયા કરે છે, જેને ગાણિતિક કાર્યોમાં રૂપાંતરિત કરી શકાય છે. ન્યુરોમોર્ફિક સિસ્ટમ્સ આ જ જૈવિક પ્રક્રિયાઓને ઇલેક્ટ્રોનિક સર્કિટમાં ઉતારવાનો પ્રયાસ કરે છે. આ માટે ઇલેક્ટ્રોન માઇક્રોસ્કોપી દ્વારા મેળવેલા મગજના નકશાઓનો ઉપયોગ કરવામાં આવે છે, જેથી ન્યુરોન્સ વચ્ચેના જોડાણોને ચોકસાઈથી સમજી શકાય.

આ સિસ્ટમ્સમાં હાર્ડવેર તરીકે ઓક્સાઇડ-આધારિત મેમરિસ્ટર્સ (memristors), સ્પિનટ્રોનિક મેમરીઝ (spintronic memories) અને ટ્રાન્ઝિસ્ટરનો ઉપયોગ થાય છે. મેમરિસ્ટર એ એક એવું ઘટક છે જે વીજળીનો પ્રવાહ બંધ થયા પછી પણ તેની અગાઉની સ્થિતિ યાદ રાખી શકે છે, જે મગજની યાદશક્તિ અથવા ન્યુરોપ્લાસ્ટિસિટી (neuroplasticity) જેવું જ કામ કરે છે. સોફ્ટવેરની વાત કરીએ તો, આ સિસ્ટમ્સમાં સ્પાઇકિંગ ન્યુરલ નેટવર્ક્સ (spiking neural networks) નો ઉપયોગ થાય છે, જે ભૂલ સુધારણા (error backpropagation) પદ્ધતિ દ્વારા શીખે છે.

ન્યુરોમેમરિસ્ટિવ સિસ્ટમ્સ (Neuromemristive systems) ખાસ કરીને ન્યુરોપ્લાસ્ટિસિટી લાગુ કરવા માટે મેમરિસ્ટર્સનો ઉપયોગ કરે છે. આ સિસ્ટમ્સનો ઉપયોગ સ્પીચ રેકગ્નિશન (speech recognition), ફેસ રેકગ્નિશન અને ઓબ્જેક્ટ રેકગ્નિશન જેવા જટિલ કાર્યોમાં થઈ શકે છે. તે પરંપરાગત ડિજિટલ લોજિક ગેટ્સનું સ્થાન લઈ શકે છે અને મલ્ટિલેયર લર્નિંગ અલ્ગોરિધમ્સને વધુ ઝડપી બનાવી શકે છે. સંશોધકોના મતે, આ ટેકનોલોજી ભવિષ્યમાં આર્ટિફિશિયલ ઇન્ટેલિજન્સને વધુ માનવીય અને કાર્યક્ષમ બનાવશે.

ન્યુરોમોર્ફિક સેન્સર્સ અને તેમની વિશેષતા

ન્યુરોમોર્ફિક સિદ્ધાંતો માત્ર પ્રોસેસિંગ પૂરતા મર્યાદિત નથી, પરંતુ તે સેન્સર્સમાં પણ લાગુ કરવામાં આવે છે. આનું શ્રેષ્ઠ ઉદાહરણ રેટિનોમોર્ફિક સેન્સર (retinomorphic sensor) અથવા ઇવેન્ટ કેમેરા (event camera) છે. સામાન્ય કેમેરા આખા દ્રશ્યની દરેક ફ્રેમને રેકોર્ડ કરે છે, જ્યારે ઇવેન્ટ કેમેરા માનવ આંખની જેમ માત્ર તે જ પિક્સેલ્સની માહિતી મોકલે છે જ્યાં પ્રકાશમાં ફેરફાર થયો હોય. આનાથી ડેટાની માત્રામાં અને ઊર્જાના વપરાશમાં ધરખમ ઘટાડો થાય છે.

વિકિપીડિયાના અહેવાલ મુજબ, ૨૦૨૪માં સંશોધકોએ એવું પણ શોધી કાઢ્યું છે કે પ્રવાહી દ્રાવણમાં રહેલી રાસાયણિક સિસ્ટમ્સ વિવિધ તરંગલંબાઇના અવાજને શોધી શકે છે. આ શોધ ન્યુરોમોર્ફિક એપ્લિકેશન્સ માટે નવી શક્યતાઓ ખોલે છે. આ ઉપરાંત, ફેરોઇલેક્ટ્રિક FETs (Ferroelectric FETs) નો ઉપયોગ પણ જૈવિક ન્યુરોન્સની નકલ કરવા માટે કરવામાં આવી રહ્યો છે, જે અત્યંત ઓછી ઊર્જાના વપરાશ સાથે કામ કરી શકે છે. આ પ્રકારના સેન્સર્સ રોબોટિક્સ અને સ્વાયત્ત વાહનો (autonomous vehicles) માટે ક્રાંતિકારી સાબિત થઈ શકે છે.

આધુનિક ચિપ્સ અને તેમની ક્ષમતાઓ

૨૦૧૭માં ઇન્ટેલ (Intel) દ્વારા રજૂ કરવામાં આવેલી Loihi ચિપ આ ક્ષેત્રમાં એક મોટું પગલું હતું. તે એસિંક્રોનસ (asynchronous) આર્ટિફિશિયલ ન્યુરલ નેટવર્કનો ઉપયોગ કરે છે, જે શીખવાની અને અનુમાન લગાવવાની પ્રક્રિયાને અત્યંત કાર્યક્ષમ બનાવે છે. તે જ વર્ષે IMEC દ્વારા એક સ્વ-શિક્ષિત ચિપ (self-learning chip) બનાવવામાં આવી હતી, જેણે સંગીતના ટુકડાઓ સાંભળીને પોતે સંગીત કમ્પોઝ કરવાની ક્ષમતા દર્શાવી હતી. આ દર્શાવે છે કે ન્યુરોમોર્ફિક સિસ્ટમ્સ માત્ર ગણતરીઓ જ નહીં, પણ સર્જનાત્મક કાર્યો પણ કરી શકે છે.

૨૦૧૮માં ETH ઝ્યુરિચ અને યુનિવર્સિટી ઓફ ઝ્યુરિચ દ્વારા DYNAP-SE નામનું મિક્સ-સિગ્નલ ન્યુરોમોર્ફિક પ્રોસેસર વિકસાવવામાં આવ્યું હતું. તેમાં ચાર કોર (core) છે અને દરેક કોરમાં ૨૫૬ એડેપ્ટિવ એક્સપોનેન્શિયલ ઇન્ટિગ્રેટ-એન્ડ-ફાયર ન્યુરોન્સ (adaptive exponential integrate-and-fire neurons) છે. આ પ્રોસેસર એનાલોગ સર્કિટનો ઉપયોગ કરીને જૈવિક ન્યુરોન્સની ગતિશીલતાની નકલ કરે છે અને રીઅલ-ટાઇમ ફીડબેક દ્વારા શીખવાની ક્ષમતા ધરાવે છે. ૨૦૨૨માં MITના સંશોધકોએ પ્રોટોન (protons) નો ઉપયોગ કરીને આર્ટિફિશિયલ સિનેપ્સ બનાવ્યા હતા, જે એનાલોગ ડીપ લર્નિંગ માટે નવા દ્વાર ખોલે છે.

નૈતિક પ્રશ્નો અને ભવિષ્યની ચિંતાઓ

જેમ જેમ ન્યુરોમોર્ફિક સિસ્ટમ્સ વધુ અદ્યતન બની રહી છે, તેમ તેમ અનેક નૈતિક પ્રશ્નો પણ ઉભા થઈ રહ્યા છે. ડેનિયલ લિમ નામના નિષ્ણાતે દલીલ કરી છે કે જો આ સિસ્ટમ્સ મગજની આટલી નજીકથી નકલ કરશે, તો તે મશીન કોન્શિયસનેસ (machine consciousness) એટલે કે યંત્રની સભાનતા તરફ દોરી શકે છે. જો મશીનો સભાન બને, તો શું તેમને નાગરિક અધિકારો આપવા જોઈએ? આ એક ગંભીર ચર્ચાનો વિષય છે.

આ ઉપરાંત, કાયદાકીય ગૂંચવણો પણ સામે આવી રહી છે. વિકિપીડિયાના સ્ત્રોત મુજબ, 'Acohs Pty Ltd v. Ucorp Pty Ltd' જેવા કેસમાં એવો પ્રશ્ન ઉઠાવવામાં આવ્યો હતો કે ન્યુરોમોર્ફિક સિસ્ટમ્સ દ્વારા બનાવવામાં આવેલી કૃતિઓ પર કોનો માલિકી હક ગણાય. જો કોઈ કાર્ય માનવ દ્વારા જનરેટ કરવામાં ન આવ્યું હોય, તો તેના પર કોપીરાઇટ મળી શકે કે નહીં તે હજુ સ્પષ્ટ નથી. આ પ્રકારના કાયદાકીય અને નૈતિક પડકારો આ ટેકનોલોજીના વ્યાપક સ્વીકારમાં અવરોધ બની શકે છે.

ન્યુરોમોર્ફિક કમ્પ્યુટિંગ એ માત્ર પ્રયોગશાળા પૂરતું મર્યાદિત નથી રહ્યું. તે આર્ટિફિશિયલ ઇન્ટેલિજન્સ, રોબોટિક્સ અને સેન્સરી પ્રોસેસિંગ જેવા ક્ષેત્રોમાં ક્રાંતિ લાવવા માટે તૈયાર છે. ભારત જેવા દેશો માટે, જ્યાં ઊર્જાની બચત અને કાર્યક્ષમ ટેકનોલોજીની જરૂરિયાત વધુ છે, ત્યાં આ પ્રકારની ચિપ્સ ભવિષ્યમાં ગેમ-ચેન્જર સાબિત થઈ શકે છે. જોકે, આ ટેકનોલોજી હજુ પણ વિકાસના તબક્કામાં છે અને તેની સંપૂર્ણ ક્ષમતાનો ઉપયોગ કરવા માટે હજુ વધુ સંશોધનની જરૂર છે.