NEUROMORPHIC COMPUTING

คุณจรีพร จารุกรสกุล

ประธานคณะกรรมการบริหารและประธานเจ้าหน้าที่บริหารกลุ่ม

บริษัท ดับบลิวเอชเอ คอร์ปอเรชั่น จำกัด (มหาชน)

เนื่องด้วยความก้าวหน้าของเทคโนโลยีที่พัฒนาอย่างไม่หยุดยั้ง ระบบประมวลผลข้อมูลจึงจำเป็นต้องพัฒนาให้มีความชาญฉลาดและมีประสิทธิภาพยิ่งขึ้น เพื่อตอบสนองต่อการใช้งานที่ซับซ้อนขึ้นในยุคปัจจุบัน ซึ่งหนึ่งในแนวคิดที่ได้รับความสนใจอย่างแพร่หลายมากขึ้นคือ Neuromorphic Computing ซึ่งเป็นแนวทางการพัฒนาระบบคอมพิวเตอร์ที่เลียนแบบการทำงานของสมองมนุษย์ ทั้งในเชิงโครงสร้างและกลไกการประมวลผล

โดยพื้นฐานของเทคโนโลยี Neuromorphic Computing เริ่มต้นจากการออกแบบฮาร์ดแวร์และซอฟต์แวร์ให้จำลองเซลล์ประสาท (Neurons) และจุดเชื่อมต่อประสาท (Synapses) เพื่อให้ระบบสามารถเรียนรู้และปรับตัวได้จากประสบการณ์โดยตรง เสมือนสมองของมนุษย์จริง ๆ เทคโนโลยีนี้จึงมีความโดดเด่นตรงที่ไม่จำเป็นต้องพึ่งพาคลังข้อมูลขนาดใหญ่แบบระบบทั่วไปและไม่จำเป็นต้องเชื่อมต่อกับศูนย์ประมวลผลกลาง เนื่องจากใช้หลักการทำงานแบบ Event-driven Processing เช่น การรับข้อมูลจากเซ็นเซอร์ ซึ่งแตกต่างจากคอมพิวเตอร์ดั้งเดิมที่ต้องประมวลผลอย่างต่อเนื่อง ทำให้สามารถลดการใช้พลังงานได้อย่างมีนัยสำคัญ ซึ่งแตกต่างจาก Quantum Computing ที่แม้จะมีความก้าวหน้าจากการใช้หลักการทางฟิสิกส์ขั้นสูง แต่ต้องอาศัยพลังงานมหาศาลในการรักษาสถานะควอนตัมไว้

ด้วยศักยภาพที่โดดเด่นเช่นนี้ หลายฝ่ายจึงมองว่า Neuromorphic Computing มีแนวโน้มจะก้าวขึ้นเป็นหนึ่งในรากฐานสำคัญของระบบประมวลผลแห่งอนาคต โดยอ้างอิงจากรายงาน Neuromorphic Computing Global Market Report 2025 ของบริษัทวิจัยชั้นนำอย่าง Research and Markets คาดการณ์ว่า มูลค่าตลาดของเทคโนโลยี Neuromorphic Computing จะเพิ่มขึ้นจาก 1.44 พันล้านดอลลาร์ในปี 2024 เป็น 1.81 พันล้านดอลลาร์ภายในปี 2025 และอาจขยายตัวถึง 4.12 พันล้านดอลลาร์ภายในปี 2029 โดยมีแรงขับเคลื่อนสำคัญจากการพัฒนาอย่างก้าวกระโดดของปัญญาประดิษฐ์ ยานยนต์ไร้คนขับ และความก้าวหน้าของอุตสาหกรรมฮาร์ดแวร์ที่เกี่ยวข้อง ซึ่งทั้งหมดล้วนส่งเสริมให้ Neuromorphic Computing กลายเป็นเทคโนโลยีที่ทั่วโลกให้ความสนใจมากขึ้นเรื่อย ๆ

ปัจจุบันหลายประเทศชั้นนำต่างกำลังพัฒนาเทคโนโลยี Neuromorphic Computing อย่างจริงจัง เช่น สหรัฐอเมริกาที่พัฒนา Neurogrid ซึ่งเป็น Neuromorphic Computing ที่สามารถประมวลผลข้อมูลระดับพันล้านจุดแบบเรียลไทม์โดยใช้พลังงานเพียง 3 วัตต์เท่านั้น ซึ่งน้อยกว่าการเปิดไฟ LED หนึ่งดวงเสียอีก นอกจากนี้ยังมีชิป Neuromorphic Computing อัจฉริยะอย่าง Loihi และ TrueNorth ที่ช่วยให้หุ่นยนต์สามารถเรียนรู้และปรับตัวเข้ากับสิ่งแวดล้อมได้โดยไม่ต้องตั้งโปรแกรมใหม่ ขณะเดียวกัน ออสเตรเลียและเยอรมนีได้ร่วมกันพัฒนาโครงการ DeepSouth ซึ่งเป็นระบบแบบโมดูลาร์ที่สามารถปรับขนาดได้ตามลักษณะการใช้งาน ซึ่งมีประโยชน์อย่างมากโดยเฉพาะในงานด้านการแพทย์ที่ต้องการการประมวลผลรวดเร็วและประหยัดพลังงาน เช่น เครื่องมือแพทย์พกพาในพื้นที่ห่างไกลที่ไม่มีแหล่งจ่ายไฟฟ้าต่อเนื่อง นอกจากนี้ เนเธอร์แลนด์ก็ได้นำเทคโนโลยีนี้ไปปรับใช้ใน Smart Camera บน Drone ทำให้สามารถประเมินทิศทางและความเร็วของวัตถุโดยรอบได้อย่างแม่นยำ พร้อมควบคุมการบินได้แบบอัตโนมัติ ซึ่งแนวทางเดียวกันยังถูกประยุกต์ใช้ในระบบยานยนต์ไร้คนขับที่ต้องการการตอบสนองฉับไวผ่านกล้องเช่นกัน

แม้ว่า Neuromorphic Computing จะมีศักยภาพสูงทั้งในด้านการเรียนรู้ การปรับตัว และการใช้พลังงานอย่างมีประสิทธิภาพ แต่เส้นทางของการพัฒนายังคงประสบความท้าทายจากหลายด้าน ทั้งในแง่ของการขาดมาตรฐานกลางสำหรับการทดสอบ การขาดแคลนบุคลากรที่เชี่ยวชาญเฉพาะทาง รวมถึงการขาดเครื่องมือและแพลตฟอร์มที่สนับสนุนการพัฒนาได้แบบครบวงจรในระดับที่เทียบเท่าเทคโนโลยีที่ใช้กันแพร่หลายอย่าง GPU หรือ CPU อย่างไรก็ตาม ด้วยคุณสมบัติที่ตอบรับกับทิศทางของเทคโนโลยียุคใหม่ จึงเป็นไปได้อย่างยิ่งว่า Neuromorphic Computing จะไม่เพียงเติบโตอย่างต่อเนื่องเท่านั้น แต่ยังอาจก้าวขึ้นเป็นรากฐานสำคัญของระบบประมวลผลแห่งอนาคตในโลกที่ขับเคลื่อนด้วยข้อมูลและปัญญาประดิษฐ์อีกด้วย