DNA’yı bir “program” olarak adlandırmak bir metafor değildir; durum tam anlamıyla budur.
göre Bilim yap, Alan Turing e John von Neumann Bunu erkenden gördüler: Hayatın mantığı ile kodun mantığı aynı şey olabilir.
Elbette biyolojik hesaplama ile kişisel bilgisayar veya onun bilgisayarı tarafından gerçekleştirilen dijital hesaplama türü arasında önemli farklılıklar vardır. akıllı telefon. DNA, epigenetik ve gen yakınlığı etkileri gibi fenomenleri de içeren, incelikli ve çok katmanlıdır.
Hücresel DNA da hikayenin tamamına yakın değil. Vücudumuz her biri kendi koduna sahip sayısız bakteri ve virüs içerir (ve sürekli olarak değiş tokuş yapar).
Biyolojik hesaplama “büyük ölçüde paralel”, merkezi olmayan ve gürültülüdür. Hücreler yaklaşık 300 kentilyon ribozomhepsi aynı anda çalışıyor.
Bunların her biri yüzen protein fabrikalarıson derece karmaşık, aslında bir küçük bilgisayar Her ne kadar stokastik olsa da, bu tamamen öngörülebilir olmadığı anlamına geliyor.
Mafsallı bileşenlerin hareketleri, daha küçük moleküllerin yakalanması ve serbest bırakılması ve kimyasal bağların manipülasyonu bunların hepsidir. bireysel olarak rastgele, geri döndürülebilir ve hatalıbir adam tarafından bir o yana bir bu yana sürükleniyor sürekli termal şok.
Yalnızca istatistiksel bir asimetri, belirli adımları “engelleme” eğiliminde olan akıllı origami hareketleriyle bir yönü diğerine tercih eder, böylece bir sonraki adımın gerçekleşme olasılığı artar.
Bu, bir bilgisayardaki “mantık kapılarının” işleyişinden, yani ikili girişleri sabit kurallar kullanarak çıkışlara dönüştüren temel bileşenlerden çok farklıdır. Geri döndürülemezler ve olacak şekilde tasarlandılar %99,99 güvenilir ve tekrarlanabilir.
Paralellik aynı zamanda günümüz bilişiminin de giderek daha temel bir unsuru haline geliyor. Örneğin Modern Yapay Zeka (AI), hem büyük paralelliğe hem de rastgeleliğe bağlıdır — mevcut sinir ağlarının çoğunu eğitmek için kullanılan paralelleştirilmiş “stokastik gradyan iniş” (SGD) algoritmasında olduğu gibi, “sıcaklık” tanımı sohbet robotları sonuçlarınıza bir dereceye kadar rastgelelik katmak ve veri merkezlerinde çoğu yapay zekaya güç veren grafik işleme birimlerinin (GPU) paralelliğini sağlamak.
Talimatların merkezi ve sıralı olarak yürütülmesine dayanan geleneksel dijital bilgi işlem, teknolojik kısıtlamaların ürünü. İlk bilgisayarların mümkün olduğunca az parça kullanarak uzun hesaplamalar yapması gerekiyordu.
Başlangıçta bu parçalar pahalı ve dengesiz vakum tüpleriydi; yanmaya eğilimliydi ve sık sık elle değiştirilmesi gerekiyordu.
O halde doğal tasarım, işlem dizilerine dayalı olarak çalışan minimal bir “Merkezi İşlem Birimi” (CPU) idi. bitler harici bir hafızadan ileri geri taşınıyordu; buna “”von Neumann mimarisi”.
Ancak Turing ve von Neumann hesaplamanın başka yollarla yapılabileceğinin farkındaydı. Turing, yaşamının sonuna doğru, adını verdiği bir alanda, leopar lekeleri gibi biyolojik desenlerin basit kimyasal kurallardan nasıl ortaya çıkabileceğini araştırdı. morfogenez.
Turing’in morfogenez modeli, büyük ölçüde paralel, dağıtılmış hesaplamanın biyolojik olarak ilham alan bir biçimiydi. Aynı şey onun daha önceki “” konseptinde de oldu.dağınık makine”, bir çocuğun beyninden ilham alan, rastgele bağlantılı bir sinir ağı.
Bunlar neyin vizyonlarıydı merkezi bir işlemci olmadan bilgi işlem yapılabilir – ve canlı sistemlerde gerçekte ne olduğu.
Von Neumann ayrıca 1940’ların başlarında hesaplamaya yönelik büyük ölçüde paralel yaklaşımları keşfetmeye başladı. Polonyalı matematikçiyle tartışmalarda Stanisław UlamLos Alamos’ta, hepsi aynı kurala uyan ve durumlarını aynı anda değiştiren, yalnızca yakın komşularıyla iletişim kuran, piksellere benzer basit hesaplama birimlerinden oluşan ızgaralar olan “hücresel otomata” fikrini tasarladı.
Von Neumann kağıt üzerinde şunları çizecek kadar ileri gitti: Kendini yeniden üreten bir hücresel otomatın temel bileşenleriBunları okumak, kopyalamak ve yürütmek için talimatlar ve hücresel “devreler” bloklarını içeren yatay bir hücre “şeridi” dahil.
Hücresel bir otomat tasarlamak normal programlamaya göre çok daha zordur çünkü her hücre veya “piksel” aynı anda kendi durumunu ve çevresini değiştirmektedir. Rastgelelik ekleyin ve ince etkileri geri bildirimbiyolojide olduğu gibi ve daha da fazlası oluyor akıl yürütmek, “programlamak” veya “hata ayıklamak” zor.
Ancak Turing ve von Neumann temel bir şeyi anladılar: Hesaplama, merkezi bir işlemciye, mantık kapılarına, ikili aritmetik veya sıralı programlara ihtiyaç duymaz. Onlar var sonsuz bilgi işlem biçimleri ve en önemlisi hepsi eşdeğerdir. Bu algılardan biri teorik bilgisayar biliminin en büyük başarıları.
Bu “platform bağımsızlığı” veya “çoklu gerçekleştirilebilirlik”, herhangi bir bilgisayarın diğerini taklit edebileceği anlamına gelir. Ancak bilgisayarlar farklı modellerde ise emülasyon yapılabilir. buzul yavaşlığı. Bu nedenle von Neumann’ın kendi kendini yeniden üreten hücresel otomatı hiçbir zaman fiziksel olarak inşa edilmedi.
1994’teki bu gösteri – ilk başarılı emülasyon Von Neumann’ın kendi kendini yeniden üreten otomatının bu kadar erken gerçekleşmesi mümkün değildi. Bir seri bilgisayar şunları gerektirir: büyük işleme kapasitesi Otomatın üreme döngüsünü tamamlaması için gereken 63 milyar zaman adımı boyunca otomatın 6.329 hücresi arasında geçiş yapmak.
Ekranda reklamda anlatıldığı gibi çalışıyordu: pikselli, iki boyutlu bir Rube Goldberg makinesi talimat sayfalarının bulunduğu bir bantın üzerine çömelmişti. 145.315 hücre sağa doğru uzanıyor, banttan bilgi pompalıyor ve bir “yazma kolu” ile yavaş yavaş kendinizin çalışan bir klonunu yazdırınorijinalin hemen üstünde ve sağında.
Benzer şekilde, bir seri bilgisayarın, Turing’in “düzensiz makinesinin” mirasçısı olan paralel bir sinir ağını taklit etmesi verimsizdir. Sonuç olarak, aşağıdakiler gibi büyük sinir ağlarını çalıştırmak sohbet robotları Transformatör tabanlı bilgi işlem, dijital bilgisayarların minyatürleştirilmesinde, hızında ve paralelliğinde devam eden ilerlemeler sayesinde ancak yakın zamanda pratik hale geldi.
2020 yılı, Alex Mordvintsev modern sinir ağlarını, Turing morfogenezini ve von Neumann hücresel otomatını “nöral hücresel otomat” (NCA) halinde birleştirdi ve klasik hücresel otomatın basit piksel başına kuralını, sinir ağı.
Yerel morfojen konsantrasyonlarını temsil eden bazı değerleri tespit edebilen ve etkileyebilen bu ağ, yalnızca zebra çizgileri veya leopar noktalarını değil, istenen herhangi bir deseni veya görüntüyü “büyütmek” için eğitilebilir.
Gerçek hücrelerin içlerinde kelimenin tam anlamıyla sinir ağları yoktur, ancak dışsal bir uyarı ve içsel bir durum göz önüne alındığında, dünyada gerçekleştirecekleri eylemlere karar vermek için oldukça gelişmiş, doğrusal olmayan ve kasıtlı “programlar” yürütürler.
NCA’lar, eylemleri hareketi içermeyen, yalnızca durum değişikliklerini (burada renk olarak temsil edilir) ve kimyasalların emilimini veya salınmasını içeren hücrelerin olası davranış aralığını modellemenin genel bir yolunu sunar.
Kitabın yazarı Blaise Agüera y Arcas’a göre ‘Zeka nedir?‘, Alex’in gösterdiği ilk NCA, yalnızca kuyruğunu değil aynı zamanda uzuvlarını ve kafasını da yenileyebilen bir kertenkele emojisiydi. Bu bir güçlü gösteri karmaşık çok hücreli yaşamın, her hücre (veya piksel) aynı programı çalıştırırken bile – tıpkı her hücrenin aynı DNA’yı çalıştırdığı gibi – ne kadar “yerel olarak düşünebildiğini” ancak “küresel olarak hareket edebildiğini”.
Bunun gibi simülasyonlar, bilişimin çeşitli ölçeklerde nasıl gerçekçi davranışlar üretebileceğini gösteriyor. Von Neumann’ın tasarımlarını temel alan ve modern sinirsel hücresel otomatlara uzanan bir yaklaşım sunarlar. Canlı sistemlerin hesaplamalı temellerine kısa bir bakış.
