«بوجیان ین» و «سندر بوهه» محققان موسسه ملی تحقیقات ریاضیات و علوم رایانه هلند (CWI) نشان دادند که چگونه نورون ها یا عصب های مانند مغز در کنار روش های یادگیری نوین، امکان آموزش سریع و با بهره وری انرژی «شبکه های عصبی اسپایکی» (spiking neural networks) در مقیاس بزرگ را فراهم می سازند.
شبکه های عصبی اسپایکی، شبکه های عصبی مصنوعی هستند که به طور دقیق تری از شبکه های عصبی زیستی الهام می گیرند. در شبکه های عصبی اسپایکی علاوه بر متغیرهای حالت نورونی و سیناپسی، مفهوم زمان نیز در مدل در نظر گرفته می شود.
شبکه های عصبی اسپایکی معمولاً در کاربردهایی مورد استفاده قرار می گیرند که پیش از این شبکه های عصبی غیر اسپایکی به کار گرفته شده اند. علاوه بر این کابردهای مربوط به یادگیری ماشین، شبکه های عصبی اسپایکی در مدلسازی سیستم عصبی مرکزی ارگانیسم های زیستی مانند سیستم جستجوی غذا در حشرات بدون دانش اولیه نسبت به محیط نیز کاربرد دارند. به دلیل مشابهت نسبی آنها با شبکه های عصبی زیستی، از شبکه های عصبی اسپایکی برای مطالعه مدارهای نورونی زیستی نیز استفاده می شود.
کاربردهای احتمالی این فناوری مواردی از «هوش مصنوعی پوشیدنی» تا شناسایی گسترده صوتی و واقعیت افزوده را شامل می شود. در حالی که شبکه های عصبی مصنوعی ستون فقرات انقلاب کنونی در هوش مصنوعی را شکل می دهند اما این شبکه ها تنها به طور محدودی از شبکه های عصبی واقعی و بیولوژیک مانند مغز الهام می گیرند.
اما مغز یک شبکه بسیار بزرگتر است و هنگام تحریک با رویدادهای خارجی می تواند بطور بسیار سریع به آن پاسخ بدهد. مغز همچنین بهره وری انرژی بالاتری دارد بطوری که نورون های سیستم عصبی ما از طریق تبادل پالس های الکتریکی ارتباط برقرار می کنند. شبکه های عصبی اسپایکی نوع خاصی از شبکه های عصبی مصنوعی هستند که از این خصوصیات نورون ها بطور دقیق تری تقلید می کنند.
چنین شبکه های عصبی اسپایکی با نصب در تراشه هایی موسوم به «سخت افزار نورومورفیک» این امیدواری را ایجاد می کنند که بتوانند برنامه های هوش مصنوعی را به نزد کاربران روی دستگاه های آنها بیاورند. کاربرد این فناوری موارد مختلفی از شناسایی صوتی در اسباب بازی ها و دستگاه ها تا مراقبت درمانی و هدایت پهپادها، نظارت و مراقبت محلی را دربرمی گیرد.
با داشتن چنین راه حلی هوش مصنوعی نیرومندی بر اساس شبکه های عصبی اسپایکی، تراشه هایی تولید می کنند که می توانند برنامه های هوش مصنوعی را با برق بسیار اندکی اجرا کنند. در نهایت این فناوری در بسیاری از دستگاه های هوشمند به کار گرفته خواهند شد.