حیات وحش الگویی مطمئن برای حل مشکلات فناوری
اگر عضو یکی از شبکه‌های زیر هستید می‌توانید این مطلب را به شبکه‌ی خود ارسال کنید:
[20 Nov 2011]
[ مترجم: مهریار میرنیا ]
دانشمندان با الگوبرداری از دستگاه عصبی حشرات به حل مشکل ۳۰ ساله علوم رایانه ای نائل شده اند.
قلمرو پر راز و رمز طبیعت و مرزهای دانش بشری از همان گذشته های دور، عرصه داد و ستدی همیشگی میان انسان و طبیعت بوده است و تاریخ خود گواه آن است که بشر همواره با رجوع به دامن طبیعت و الهام گرفتن از پدیده های آن در طلب دستیابی به مرزهای فراتری از دانش و فناوری برای تداوم حیات و همچنین تدارک لوازم و توشه پربارتری برای زندگی بهتر و آینده نویدبخش خود بوده است. در واقع طبیعت با قوانین و همه مؤلفه هایش از جمله گیاهان و جانوران، توانسته در جایگاه مأوای اصلی و بستر همیشه حی و حاضر حیات بشری، مجالی منحصر به فرد و توانمند را برای بهره برداری و ارتقای سطح علم و زندگی وی پیشکش کند. از داستان پرواز به عنوان نمونه ای قدیمی و شاخص گرفته تا فناوری های برتری همچون پوشاک نوین، حواس برتر، ماشین های پیشرفته و عرصه رایانه ها می توان ردپای الگوبرداری و الهام گرفتن از طبیعت را آشکارا مشاهده کرد.
امروزه و به شهادت دانش تقلیدپذیری و شبیه سازی زیستی، دنیای حیات وحش را می توان از جمله عرصه های مثال زدنی و توانمند رویکرد دانش بشری برای بهره برداری و ارائه راه حل های مؤثر برای مشکلاتش به شمار آورد. در این میان اما دنیای حشرات نشان داده بیش از همه محل رجوع دانشمندان برای مطالعات و چاره اندیشی ها بوده است. نمونه های بارز مراجعه دانشمندان به دنیای حشرات را می توان در ارائه سامانه های مدرن مبتنی بر اندام ها، حواس و دستگاه های حیاتی حشراتی همچون کرم ها، ملخ ها و سوسک ها جستجو کرد. اما اینک و به همت گروهی از محققان، عضو دیگری از خانواده بزرگ حشرات قرار است پیشقدم چاره جویی و کمک به حل مشکلات ما در موضوع بزرگی همچون رایانه ها شود.
ماجرای این پژوهش و نتایج جالب توجهش از این قرار است که دستگاه عصبی حشره ای همانند مگس میوه در قد و قواره پیشنهاد مدل های کارآمد رایانه ای و ارائه شبکه های حسگر بیسیم ظاهر می شود و نویدبخش حل مشکلات محاسباتی خواهد بود که چندین دهه ذهن دانشمندان علوم رایانه ای را اسیر خود کرده است. مگس میوه که از گذشته و همراه با ظهور دانش ژنتیک به واسطه ایجاد نسل های مکرر و توارث صفات ژنتیکی آشکارش به مصالح اصلی و همیشه حاضر آزمایشگاه های ژنتیک بدل شده بود، اینک از جهات دیگری توجه دانشمندان را به خود جلب کرده تا جایی که آنها با کپی کردن و نسخه برداری از همان روشی که برخی سلول های عصبی مگس میوه برای انتخاب یک راهنما یا راهبر اطلاعاتی به کار می بندند، قصد دارند برای کمک به تشکیل الگوریتم های رایانه ای استفاده کنند. نکته جالب اینجاست که چنین الگوریتم هایی می تواند به ایجاد شبکه های حسگر بیسیم کمک کند و از همین رو این رویکرد جدید می تواند در حوزه های خطیری همچون پایش فعالیت آتشفشان ها یا کنترل کردن فعالیت گروه های متعدد ربات ها و اشکالات چندگانه برنامه شان مورد استفاده واقع شود.
دانشمندان معتقدند تقلید کردن از نحوه ای که برخی سلول های عصبی در مگس میوه بر اساس آن به انتخاب یک راهبر برای تصمیم گیری ها دست می زنند، ما را به شکل گیری الگوریتمی رایانه ای رهنمون می شود که قادر است نقش مهمی در کارآمدی شبکه ها ایفا کند و بویژه با ایجاد شبکه های حسگر بیسیم می تواند دست محققان را برای حضور و کنترل بهتر در مکان و زمان های نامناسب و خطیر باز گذارد. این توانمندی در واقع همان کلیدی است که راهگشای حضور و پایش کارآمد ما در موضوعاتی همچون فعالیت آتشفشانی یا کنترل دسته های پر شمار ربات ها خواهد بود. این رویکرد جدید که شرح آن در شماره تازه نشریه Science منتشر شده نشان می دهد همان طور که در شبکه های هوشمند برخی حسگرها می توانند در نقش یگان های پیشتاز برای اعلام خطر به مرکز فرماندهی ظاهر شوند و مثلا به ردیابی غرش هایی بپردازند که دلالت بر بیداری قریب الوقوع یک آتشفشان دارد، می توان زمینه دستیابی به همان ارتباطات پیشتاز هشداردهنده را اما با تفاوتی مهم فراهم کرد به نحوی که در سایه آن و با حذف حجم زیادی از حسگرهای تداخل کننده میانی نتیجه کار صرفه جویی در انرژی و توان محاسباتی و نهایتا کارآمدی بیشتر خواهد بود.
راهکار دستگاه عصبی مگس میوه برای به عهده گرفتن کارهای مختلف همان موضوعی است که توجه دانشمندان زیست شناس رایانه ای را به شباهت فراوان آن با یک مشکل رایانه ای قدیمی موسوم به مشکل محاسبات توزیعی معطوف ساخت. در فرآیند محاسبات توزیعی بسیاری از پردازشگرهای رایانه به اتفاق هم و در جهت یک هدف مشترک، اما با حداقل رهبری کار می کنند. به بیان دیگر مشتی از پردازشگرها ـ نوعا از آنهایی که با پردازشگرهای مجاور زیادی همگروه هستند ـ برای نقش سردسته ها طراحی می شوند و برای دریافت اطلاعات از پردازشگرهای پیرامون شان و دست به دست کردن آن تنظیم و راه اندازی می شوند. اما محققان دانشگاه کارنگی ملون که این کار ارزشمند جدید را سرپرستی و اجرا کرده اند معتقدند در حالی که کارشناسان علوم رایانه ای درباره آنچه حسگرها لازم است بدانند تنها به حدس و فرضیات می پردازند، توجه به این نکته مهم است که توسعه دادن سلول ها برای دایر کردن و تنظیم شبکه هایشان بدون داشتن اطلاع زیادی درباره همسایه های مجاورشان ما را به جایی نمی رساند. ولی در مگس میوه اتفاق جالبی می افتد و زمانی که لاروهای آن در حال رشد و نمو خود هستند، برخی سلول ها متعهد انجام تکالیف ویژه ای همچون تبدیل شدن به پیشرو و ماده اولیه ای برای موهای حسگری می شوند که این مگس ها برای خوانش داده های هوای اطراف استفاده می کنند. اما سرانجام هر یک از این موها به وسیله سلول های غیرمویی احاطه می شوند. این آرایش و جانمایی که در آن سلول ها اختصاصی شده یا همان پیشتازها به قدر کافی وجود دارند شباهت زیادی با نحوه تقسیم وظایف در شبکه های توزیعی دارد.
نکته: روشی که برخی سلول های عصبی در حشرات براساس آن به انتخاب یک راهبر برای تصمیم گیری ها دست می زنند، ما را به شکل گیری الگوریتمی رایانه ای رهنمون می شود که قادر است نقش مهمی در کارآمدی شبکه ها ایفا کند
الگوبرداری از شباهت مکانیسم تقسیم وظایف سلولی مگس میوه با عملکرد شبکه های توزیعی وقتی ارزش خود را نشان می دهد که بدانیم نزدیک به ۳۰ سال است دانشمندان علوم رایانه ای در اندیشه طراحی بسیار کارآمد انبوهی از پردازشگرها در قالب سر دسته و پیشروهایی هستند که بتواند با باقی شبکه ارتباط سریعی برقرار کند و طی آن هر پردازشگر مجبور به تعهد سهمی از پردازشگرهای ناحیه مجاورش باشد. به این ترتیب برخی از پردازشگرها بر حسب تعداد تماس هایی که با سایر پردازشگرها برقرار می کنند می توانند خودشان را به عنوان راهبر شبکه شناسایی کنند.
در طبیعت و زیست شناسی مگس میوه اما وضعیت جالبی حاکم است؛ در حالی که سلول های عصبی مگس جوان و نورس اساسا از میزان سلول های موجود در همسایگی شان اطلاعی ندارند، با این حال برای رشد و نمو در جهت توسعه موهای حسگری که به نحو مناسب توزیع شوند مدیریت می شوند. به مجرد این که سلولی خودش را به عنوان یک زائده مویی برگزید، سیگنالی پروتئینی را ارسال می کند که سلول های مجاورش را از تبدیل شدن به این اندام ها باز می دارد. نکته جالبی که محققان پی برده اند این واقعیت است که شگرد و فوت و فن مگس ها برای تعیین این که کدام سلول به یک موی حسگر بدل شود، به جای سرشماری همسایه به کاربرد زمانبندی متکی است. به عبارتی همچنان که زمان سپری می شود، اگر سلولی دستورالعمل تبدیل نشدن به یک موی حسگری را دریافت نکره باشد، به چنین کارکردی نائل می شود. در واقع این الگوریتم جدید نشان می دهد چگونه شبکه هایی از حسگرها می توانند از عهده همین فرآیند برآیند و بدون گذران زمان و صرف انرژی به جمع آوری هر گونه اطلاعات در مورد تعداد حسگرهای موجود در نزدیکی خود بپردازند.
با این اوصاف محققان می گویند اکنون دیگر نیازی به داشتن اطلاعات درباره محیط مجاور نیست؛ چرا که هر حسگر می تواند به ۵ یا ۵۰۰ حسگر نزدیک شود و هر چه را که لازم است رد و بدل کند. در همین رابطه محققان دانشگاه آکسفورد انگلستان که تجربه استفاده از رفتار کپک لجن را برای ساخت شبکه های کارآمدتر دارند از این رویکرد جدید دانشمندان به نیکی یاد می کنند و معتقدند آنها دستگاه رشد و نمو زیستی بسیار خوب از کاردرآمده ای را برگزیده اند و نشان داده اند این دستگاه زیست شناختی می تواند در یک چارچوب محاسباتی از نو قالب بندی و طرح ریزی شود تا یکی از مشکلات دیرینه و موجود رایانه ها را به نحوی مناسب و مؤثر حل کند.
منابع: Discovery/ Science
مطلب‌های دیگر از همین نویسنده در سایت آینده‌نگری:
Twitter
Google
Yahoo
Delicious
بالاترین
دنباله
نسخه‌ی چاپی
ارسال اين مطلب به دوستان