Нейроморфный процессор Intel Loihi. Что это и как это работает?

МЕНЮ


Искусственный интеллект. Новости
Поиск

ТЕМЫ


Внедрение ИИНовости ИИРобототехника, БПЛАТрансгуманизмЛингвистика, обработка текстаБиология, теория эволюцииВиртулаьная и дополненная реальностьЖелезоКиберугрозыНаучный мирИТ индустрияРазработка ПОТеория информации

RSS


RSS новости

Авторизация


логин:

пароль:


регистрация
восстановить пароль

Новостная лента форума ailab.ru

Представьте себе будущее, где сложные решения могут приниматься быстрее и адаптироваться со временем. Где социальные и индустриальные проблемы могут автоматически решаться, используя полученный ранее опыт. Это будущее, где свидетели, используя приложения распознания изображений, могут проанализировать снимки с уличных камер и быстро передавать данный для поиска пропавшего или похищенного человека. Это будущее, где светофоры автоматически синхронизируют свою работу с потоком транспорта, уменьшая заторы и оптимизируя время старта и остановки. Это будущее, где роботы более автономны, а эффективность работы значительно выше.

Данные высказывания принадлежат доктору Майклу Мэйбери (корпоративный вице-президент и управляющий директор Intel Labs в Intel Corporation), который поделился с общественностью деталями нового творения Intel Labs — нейроморфного чипа Loihi.

Растущий спрос на сбор, анализ данных и принятие решений в области высокодинамических и неструктурированных природных данных приводит к росту спроса на компьютеры, которые опережают классические CPU и GPU архитектуры. Дабы поспевать за темпом эволюции технологий и дабы вывести сами вычисления за пределы ПК или сервера, Intel работал последние 6 лет над специализированными архитектурами, которые могут ускорить классические компьютерные платформы. Intel также увеличил объем инвестиций в области ИИ (искусственный интеллект) и нейроморфных вычислений.

Доктор Майкл Мэйбери (корпоративный вице-президент и управляющий директор Intel Labs в Intel Corporation)

Наша работа в области нейроморфных вычислений построена на десятилетиях исследований и партнерства, начиная с профессора CalTech Карвер Мида (Carver Mead), который был известен за свою фундаментальную работу в проектировании полупроводников. Комбинация опыта в микросхемах, физике и биологии создала условия для новых идей. Идеи были просты, но революционны: сравнить машины с человеческим мозгом. Высокий уровень сотрудничества разных структур и людей в данной область исследований способствует дальнейшему развитию науки.

Компания Intel, в лице своего подразделения Intel Labs, разработала первый в своем роде самообучающийся нейроморфный чип — Loihi — который имитирует функционирование мозга в процессе обучения работы на основе влияния окружающей среды. Этот невероятно энергоэффективный чип, который использует данные для обучения и формирования выводов, становится умнее со временем и не нуждается в тренировке традиционным путем. Он использует новый подход к вычислению через асинхронный пикинг.

Мы считаем, что ИИ находится в зачаточном состоянии, и больше методов и архитектур, таких как Loihi, будут сопутствовать его развитию. Нейроморфные вычисления черпают вдохновение из нашего нынешнего понимания архитектуры мозга и связанных с ним вычислений. Нейронные сети мозга передают информацию с помощью импульсов или пиков, модулируя синаптические связи на основе тайминга этих пиков, и хранят эти изменения локально на межсоединениях. Интеллектуальное поведение формируется за счет кооперативного и сопернического взаимодействия между окружающей средой и несколькими регионами в нейронных сетях мозга.

Модели машинного обучения, такие как глубокое обучение, достигли значительных успехов за счет использования обширных учебных наборов для распознания объектов и событий. Однако эти системы машинного обучения не так хороши, если не имеют учебных наборов для распознания определенного события, происшествия или элемента.

Потенциальная польза от самообучающегося чипа практически безгранична. К примеру, считывание пульса человека в разных условиях (после бега, во время приема пищи, перед сном) и передача этих данных в нейроморфную систему для определения «нормального» сердцебиения. Далее система может постоянно мониторить полученные данные пульса и определять те случаи, когда пульс не есть «нормальный». Система может быть персонализирована под каждого пользователя.

Этот тип логики может также применятся и в других сферах, таких как кибербезопасность, где аномалии или отличия в потоках данных могут идентифицировать взлом, поскольку система знает какие показатели являются «нормальными» (правильными).

Подробнее о тестовом чипе Loihi

Исследовательский тестовый чип Loihi обладает цифровыми схемами, которые имитируют основную механику мозга, делая машинное обучение более быстрым и эффективным, при этом требуя меньших вычислительных мощностей. Нейроморфная модель черпает вдохновение из того, как нейроны взаимодействуют и учатся, используя пики и синоптическую пластичность, которые могут быть смоделированы на основе тайминга. Это может помочь компьютерам саморганизоваться и принимать решения на основе шаблонов и ассоциаций.

Тестовый вариант чипа Loihi представляет высокую гибкость обучения в пределах самого чипа. Это позволяет машинам быть автономными и адаптироваться в реальном времени, вместо ожидания следующего апдейта из облака. Исследователи продемонстрировали обучение со скоростью в 1 миллион раз превышающей скорость типичных пиковых нейронных сетей (при измерении общих операций) во время процесса получение как можно более точного результата в решении задачи распознавания цифр MNIST (объёмная база данных образцов рукописного написания цифр). В сравнении с другими технологиями, такими как свёрточные нейронные сети и нейронные сети глубокого обучения, тестовый чип Loihi использовал гораздо меньше ресурсов для решения тех же задач.

Возможности самообучения, раскрытые этим тестовым чипом, имеют огромный потенциал в совершенствовании автоматизированных и индустриальных приложений, как и персональной робототехники — любое приложение, которое извлечет пользу из автоматизированных операций и непрерывного обучения в неструктурированной среде. К примеру, распознание движения машины или велосипеда.

Кроме того, этот метод в 1000 раз более энергоэффективен чем стандартные методы для компьютерного обучения.

В первой половине 2018 года тестовый чип Loihi будет распространен среди передовых университетов и исследовательских институтов (работающих в сфере развития ИИ).

Дополнительные сведения

Функции Loihi включают в себя:

  • Полностью асинхронная нейроморфная многоядерная сетка, которая поддерживает широкий спектр разреженных, иерархических и повторяющихся нейронных сетевых топологий с каждым нейроном, способным связываться с тысячами других нейронов.
  • Каждое нейроморфное ядро включает в себя механизм обучения, который можно запрограммировать для адаптации параметров сети во время работы, поддерживая контролируемые, неконтролируемые, подкрепляющие и другие обучающие парадигмы.
  • Изготовление на основе технологии 14 нм Intel.
  • В общей сложности 130 000 нейронов и 130 миллионов синапсов.
  • Разработка и тестирование нескольких алгоритмов с высокой алгоритмической эффективностью для задач, включая планирование маршрутов, удовлетворение ограничений (constraint satisfaction), sparse coding, изучение словарей и обучение и адаптация динамических моделей.

Что дальше?

Ожидается, что благодаря развитию в области вычислительных и алгоритмических инноваций преобразующая сила ИИ сильно повлияет на общество. Сегодня мы в Intel всеми силами стараемся оправдывать закон Мура и держать лидерство в производстве, чтобы представить на рынке широкий спектр продуктов — процессоры Intel Xeon, технологию Intel Nervana, технологию Intel Movidius и Intel FPGA, — которые удовлетворяют уникальные требования ИИ процессов.

Аппаратное и программное обеспечение, как общего, так и персонального назначения сейчас вступают в игру по полной программе. К примеру, процессор Intel Xeon Phi широко используется в мире для научных вычислений, он создал некоторые из самых крупных моделей интерпретации крупномасштабных научных проблем. Movidius Neural Compute Stick — яркий пример 1 ватт развертывания ранее обученных моделей.

Рабочие нагрузки ИИ развиваются, становясь все более сложными и разнообразными. Они будут испытывать пределы возможностей сегодняшних доминирующих вычислительных архитектур и ускорять новые нестандартные подходы. Глядя в будущее, Intel считает, что нейроморфные вычисления дают возможность обеспечить производительность уровня exascale, вдохновленной тем, как работает мозг.

Я надеюсь, вы будете следить за захватывающими событиями, которые произойдут в Intel Labs в следующие несколько месяцев, когда мы распространим такую концепцию как нейромофные вычисляя с целью поддержки мировой экономики на следующие 50 лет. В будущем с нейроморфными вычислениями, все что вы можете вообразить и даже больше перейдет от возможного к реальному, поскольку поток интеллекта и принятия решений становится все более быстрым.

Видение Intel касательно разработки инновационных вычислительных архитектур остается непоколебимым, и мы знаем, как выглядит будущее вычислений, потому что сегодня мы его создаем.


Источник: geektimes.ru