در مغز هر یک از ما، ۸۶ میلیارد نورون به طور موازی در حال کار هستند که با پردازش اطلاعات حاصل از حس های مختلف و اطلاعات حافظه، باعث ایجاد فهم و ادراک بشر و انجام شاهکارهای بشریت می شوند. مغز سایر موجودات هرچند وسعت توانایی کمتری دارد اما این موجودات معمولا استعدادی ذاتی برای انجام کارهای به خصوصی از خود نشان می‌دهند. این توانایی‌ها به مدد میلیونها سال تکامل تقویت شده است.
جست و جو به دنبال چنین سیستم‌های عصبی ویژه‌ای به عنوان مدلی برای هوش مصنوعی به اندازه مطالعه بر روی مغز انسان می تواند ارزشمند باشد. مغز مورچه‌هایی که در کمد آشپزخانه شما هستند را در نظر بگیرید. هر کدام در حدود ۲۵۰ هزار نورون دارند. حشرات بزرگ‌تر نزدیک به یک میلیون از این نورون‌ها را در مغز خود دارند. تحقیقاتی در سندیا (sandia)، آزمایشگاه امنیت ملی آمریکا، برای بهره‌گیری از عملکرد مغز سنجاقک به منظور ساخت سیستم‌های محاسباتی انجام شده است که برای انجام کارهایی مثل رهگیری و منهدم کردن موشک یا دنبال کردن رد بوهای مشخص بهینه شده‌اند.
نگاه کردن به سنجاقک به عنوان الگویی برای آینده‌ی سیستم‌های کامپیوتری شاید دور از انتظار به نظر بیاید، آن هم در حالی که توسعه هوش مصنوعی و یادگیری ماشین یا دست کم اخبار مرتبط با آن به طور معمول حکایت از تقلید از هوش انسانی دارد و در این میدان گاهی حتی از هوش انسان برتری می یابد. این چنین شاهکارهایی البته مجانی نیستند. توسعه چنین سیستم‌های پیچیده‌ای نیازمند مقدار قابل توجهی توان پردازشی است که اغلب تنها در موسسات خاصی در دسترس است. اما واقعا لازم است یک شبکه عصبی تا این اندازه بزرگ و پیچیده باشد تا مورد استفاده قرار بگیرد؟
درون مغز سنجاقک تعادلی دقیق بین کارایی و سادگی برقرار است، تعادلی بهینه شده برای انجام عملیاتی مشخص وجود دارد. سنجاقک‌ها می‌توانند به دقت بر روی هدف خود تمرکز کنند، به چابکی در هوا حرکت کنند و به کمک این قابلیت‌ها به موفقیتی نزدیک به ۹۰ درصد در شکار برسند. به طور معمول حدود ۵۰ میلی ثانیه برای یک سنجاقک زمان لازم است تا در پاسخ به حرکات شکارش واکنش دهد. چنین زمان کوتاهی نشان از این دارد که سرعت پردازش اطلاعات مغز سنجاقک بسیار سریع است. با در نظر گرفتن اینکه هر واحد نورون تقریبا ۱۰ میلی ثانیه زمان لازم دارد تا حاصل همه ورودی‌هایش را محاسبه و به خروجی منتقل کند و با احتساب زمان لازم برای پردازش تصویری ورودی به چشم و زمانی که ماهیچه صرف می‌کند تا بر اساس اطلاعات ورودی حرکتی را شروع کند، در نهایت تنها برای سه یا شاید چهار لایه نورون متوالی زمان باقی می‌ماند تا ورودی‌ها را دریافت و خروجی را تولید کند.
در تحقیقی که در آزمایشگاه سندیا انجام شد نوعی شبیه‌سازی نرم‌افزاری از مغز سنجاقک هنگام شکار و در لحظه‌ی تصمیم گیری و تغییر جهت شکل گرفت. این شبکه عصبی سه لایه‌ای، در ابتدا به کمک نرم‌افزار Matlab و در ادامه با استفاده از python نوشته و پیاده سازی شد. هدف اصلی این تحقیق سیستم بینایی سنجاقک بوده (به طور دقیق‌تر، یک چشم سنجاقک). لایه اول این شبکه از ۴۴۱ نورون تشکیل شده که به صورت آرایه‌های ۲۱ در ۲۱ کنار هم قرار گرفته است. هر خانه از این آرایه محدوده‌ی مشخصی از میدان دید سنجاقک را پوشش می‌دهد تا در مجموع شبیه‌سازی نسبی از بینایی سنجاقک را به دست دهد. در اینجا فرض بر این است که سنجاقک برای شکار از استراتژی مشخصی پیروی می‌کند. استراتژیی که در آن سنجاقک مسیر حرکتش را طوری انتخاب می‌کند که زاویه بین خط دیدش (مسیر مستقیم دید سنجاقک) و طعمه همواره ثابت باقی بماند. در نهایت برای تست این شبکه، سنجاقک و شکارش در حال حرکت در فضای سه بعدی در نظر گرفته شده‌اند. همینطور که شکار در این فضا حرکت می‌کند شبکه عصبی مدل شده به اصطلاح طعمه را می‌بیند و به سمتش حرکت می‌کند. در این حالت دستورات لازم به ماهیچه‌ها ارسال می‌شود. این مدل هرچند از واقعیت بیولوژیکی سنجاقک‌ها فاصله دارد (و البته بسیاری از استعدادهای یک سنجاقک واقعی را هم ندارد) اما نسبتا به اکثر طعمه‌ها به خوبی واکنش نشان می‌دهد.
مرجع خبر:
https://spectrum.ieee.org/fast-efficient-neural-networks-copy-dragonfly-brains
