Искусственные нейроны, разработанные командой Университета Южной Калифорнии, воспроизводят биологическую функцию для улучшения компьютерных чипов

Прорыв в нейроморфных вычислениях может снизить энергопотребление чипов и продвинуть общий искусственный интеллект (AGI)

Исследователи из Инженерной школы Витерби Университета Южной Калифорнии и Школы передовых вычислений разработали искусственные нейроны, которые воспроизводят сложное электрохимическое поведение биологических клеток мозга. Инновация, задокументированная в Nature Electronics, представляет собой скачок вперед в технологии нейроморфных вычислений. Инновация позволит уменьшить размер чипа на порядки, снизить энергопотребление на порядки и может продвинуть вперед общий искусственный интеллект.

В отличие от обычных цифровых процессоров или существующих нейроморфных чипов, основанных на кремниевой технологии, которые просто имитируют нейронную активность, эти искусственные нейроны физически воплощают или эмулируют аналоговую динамику своих биологических аналогов. Подобно тому, как нейрохимические вещества инициируют активность мозга, химические вещества могут быть использованы для запуска вычислений в нейроморфных или вдохновленных мозгом аппаратных устройствах. Будучи физическим воспроизведением биологического процесса, они отличаются от предыдущих итераций искусственных нейронов, которые были исключительно математическими уравнениями.

Работа, возглавляемая профессором компьютерной и электротехнической инженерии Университета Южной Калифорнии Джошуа Янгом, который также руководил работой над основополагающей статьей об искусственных синапсах более десяти лет назад, представляет новый тип искусственных нейронов на основе так называемого «диффузионного мемристора». В статье Nature Electronics исследуется, как такие искусственные нейроны могут создать новый класс чипов, которые дополняют и дополняют сегодняшние технологии на основе кремния, которые питают почти всю современную электронику и полагаются на движение электронов для вычислений. Вместо этого диффузионное устройство, представленное Янгом и его коллегами для построения нейронов, будет полагаться на движение атомов. Такие нейроны могут позволить создать новые чипы, которые будут работать более похоже на то, как работает наш мозг, будут более энергоэффективными и могут способствовать тому, что известно как общий искусственный интеллект (AGI).

Как это работает:
В биологическом процессе мозг использует как электрические, так и химические сигналы для управления действиями в организме. Нейроны или нервные клетки начинают с электрических сигналов, которые, когда они достигают пространства или щели в конце нейрона, называемого синапсом, электрические сигналы преобразуются в химические сигналы для передачи и обработки информации. Как только информация переходит к следующему нейрону, некоторые из этих сигналов снова преобразуются в электрические сигналы через тело нейрона. Это физический процесс, который Янгу и его коллегам удалось воспроизвести с высокой точностью в нескольких критических аспектах. Большое преимущество: их искусственный нейрон на основе диффузионного мемристора требует только места одного транзистора, а не десятков или сотен, используемых в обычных конструкциях.

В частности, в биологической модели ионы или заряженные частицы помогают генерировать электрические сигналы, вызывающие действие внутри нейрона. В человеческом мозге такие процессы зависят от химических веществ (например, ионов), таких как калий, натрий или кальций, чтобы вызвать это действие.

В данной статье Янг, который является директором Центра передового опыта в области нейроморфных вычислений в Университете Южной Калифорнии, использует ионы серебра в оксиде для генерации электрического импульса и эмуляции процессов выполнения вычислений для таких действий, как движение, обучение и планирование.
«Несмотря на то, что это не совсем одни и те же ионы в наших искусственных синапсах и нейронах, физика, управляющая движением ионов и динамикой, очень похожа», — говорит Янг.

Янг объясняет: «Серебро легко диффундировать и дает нам динамику, необходимую для эмуляции биосистемы, чтобы мы могли достичь функции нейронов с очень простой структурой». Новое устройство, которое может сделать возможным создание мозгового чипа, называется «диффузионным мемристором» из-за движения ионов и динамической диффузии, которая происходит с использованием серебра.

Он добавляет, что команда решила использовать ионную динамику для создания систем искусственного интеллекта, «потому что это то, что происходит в человеческом мозге, по уважительной причине, и поскольку человеческий мозг является «победителем в эволюции — самым эффективным интеллектуальным двигателем».

«Это более эффективно», — говорит Янг.

Это очень важно, объясняет Янг: «Дело не в том, что наши чипы или компьютеры недостаточно мощны для того, что они делают. Дело в том, что они недостаточно эффективны. Они потребляют слишком много энергии». Это особенно актуально, учитывая уровень энергии, необходимый для запуска больших программных моделей с огромным объемом данных, таких как машинное обучение для искусственного интеллекта.

Далее Янг объясняет, что, в отличие от мозга, «наши существующие вычислительные системы никогда не предназначались для обработки огромных объемов данных или самостоятельного обучения на нескольких примерах.
Один из способов повысить энергию и эффективность обучения — создать искусственные системы, которые работают в соответствии с принципами, наблюдаемыми в мозге».

Если вы ищете чистую скорость, электроны, которые работают на современных компьютерах, будут лучшим вариантом для быстрых операций. Но, объясняет он, «ионы являются лучшей средой, чем электроны, для воплощения принципов мозга. Поскольку электроны легкие и изменчивые, вычисления с ними позволяют обучаться на программном уровне, а не на аппаратном, что принципиально отличается от того, как работает мозг».

В отличие от этого, он говорит: «Мозг учится, перемещая ионы через мембраны, достигая энергоэффективного и адаптивного обучения непосредственно в оборудовании, или, точнее, в том, что люди могут назвать «мокрым программным обеспечением».

Например, маленький ребенок может научиться распознавать рукописные цифры, увидев всего несколько примеров каждой из них, в то время как компьютеру обычно требуются тысячи для выполнения той же задачи. Тем не менее, человеческий мозг выполняет это замечательное обучение, потребляя всего около 20 ватт энергии, по сравнению с мегаваттами, требуемыми сегодняшними суперкомпьютерами.

Потенциальное влияние:
Этот новый метод стал на шаг ближе к имитации естественного интеллекта.

Янг отметил, что серебро, используемое в эксперименте, не совместимо с обычным производством полупроводников, и что альтернативные ионные вещества должны быть исследованы на предмет аналогичных функций.

Эффективность этих диффузионных мемристоров включает в себя не только энергию, но и размер. Обычно один смартфон имеет около 10 чипов, но миллиарды транзисторов или переключателей, которые управляют включением/выключением или нулями и единицами, лежащими в основе вычислений.

«Вместо этого [с этой инновацией] мы просто используем один транзистор для каждого нейрона. Мы разрабатываем строительные блоки, которые в конечном итоге привели нас к уменьшению размера чипа на порядки, снижению энергопотребления на порядки, чтобы в будущем можно было устойчиво выполнять работу искусственного интеллекта с аналогичным уровнем интеллекта без сжигания энергии, которую мы не можем поддерживать», — говорит Янг.

Теперь, когда мы продемонстрировали способные и компактные строительные блоки, искусственные синапсы и нейроны, следующим шагом будет интеграция большого их количества и проверка того, насколько точно мы можем воспроизвести эффективность и возможности мозга. «Еще более захватывающей, — говорит Янг, — является перспектива того, что такие системы, верные мозгу, могут помочь нам открыть новые идеи о том, как работает сам мозг».

Источник: viterbischool.usc.edu

Комментарии: