IBMは48個のチップで人工脳を作った

プロジェクトリーダーのDharmendra Modhaの指導の下、私たちはプロジェクト全体に密接に関わりました。その体積は浴室の薬棚のようで、半透明のプラスチックパネルで覆われており、内部のチップ、回路基板、カラフルなインジケーターをはっきりと見ることができます。まるで70年代のSF映画のようですが、Modhaは「あなたは小さなげっ歯類を見ています」と言います。

彼は小さなげっ歯類の脳、または少なくともこのチップのスタックがその脳に収まることについて話しています。これらのチップはニューロンとして機能し、脳の基本的な構成要素です。Modhaは、このシステムは4800万個の神経細胞をシミュレートでき、これは小さなげっ歯類の脳の神経細胞の数とほぼ同じです。

IBMでは、Modhaは「ニューロチップ」を発明した認知コンピューティンググループを率いていました。彼と彼のチームが最初に発明を発表したとき、彼らはそれを3週間のテストランに使用し、シリコンバレーのIBMの研究開発ラボで学者や政府の研究者を支援しました。研究者は、独自のコンピューターをデジタルマウスの脳に接続した後、その構造を調査し、TrueNorthチップのプログラムの作成を開始しました。

先月、一部の研究者はすでにコロラドでこれを見ており、写真やスピーチを認識し、いくつかの自然言語を理解するようにプログラムしていました。このチップは、Facebookの顔認識やMicrosoftのSkypeのリアルタイム言語翻訳を提供する、現在インターネットの人工知能サービスを支配している「深層学習」アルゴリズムを実行します。それでも、IBMはここで優位に立っています。なぜなら、その研究はスペースと電源供給の必要性を減らす可能性があるからです。将来的には、この人工知能を携帯電話や補聴器や時計などの他の小型デバイスに搭載できるようになるかもしれません。

「シナプス構造から何が得られるでしょうか？非常に低い消費電力で画像を分類でき、新しい環境で常に新しい問題を解決できます。」ローレンスリバモア国立研究所のコンピューター科学者であるブライアン・ヴァン・エッセンは、深層学習アルゴリズムを国家安全保障に適用する責任者です。

TrueNorthは、将来的に深層学習やその他のさまざまなAIサービスを実行する最新のテクノロジーです。Google、Facebook、Microsoftのアルゴリズムを実行する今日のマシンは、まだ個別のグラフィックプロセッサを必要としますが、すべてFPga（特定のタスク用にプログラムできるチップ）に向かっています。チューリッヒ工科大学のCortex Computing Groupの博士号取得者であるPeter Diehlは、TrueNorthは、消費電力が少ないため、スタンドアロンのグラフィックチップとFPgaの両方よりも優れていると考えています。

ミシガン大学のコンピューターサイエンス教授であるジェイソン・マーズは、主な違いは、TrueNorthが深層学習アルゴリズムとシームレスに連携することだと述べています。どちらもニューラルネットワークを深くシミュレートし、「脳内」でニューロンとシナプスを生成します。「チップはニューラルネットワークのコマンドを効率的に実行できます。」彼はテストランには参加していませんが、チップの進歩を注意深く追跡しています。

それでも、TrueNorthはまだ深層学習アルゴリズムと完全に同期していません。しかし、IBMは、チップを改善するために外部の研究者を関与させることを決定しました。なぜなら、それはまだ実際の市場からは少し距離があるからです。Modhaにとって、それは必要なプロセスでもあり、彼は次のように述べています。「大きな変革のための強固な基盤を築く必要がありました。」

Peter Diehlは最近中国に旅行しましたが、何らかの理由で、彼の電話はGoogleで動作せず、彼は突然人工知能をその元の形に戻しました。現在、クラウドコンピューティングのほとんどはGoogleのサーバーに依存しているため、ネットワークがないとすべてが無駄になります。

深層学習には膨大な処理能力が必要であり、これは通常、巨大なデータセンターによって提供され、私たちの電話は通常、インターネットを介してそれらに接続されています。一方、TrueNorthは、少なくとも一部の処理能力を電話やその他のデバイスに移動できるため、AIの使用頻度を大幅に拡大できます。

しかし、これを理解するには、まず深層学習の仕組みを理解する必要があります。これは2つの段階で機能します。まず、GoogleやFacebookなどの企業は、特定のタスクを処理するために独自のニューラルネットワークを構築する必要があります。猫の写真を自動的に認識する機能を望む場合、ニューラルネットワークに猫の写真をたくさん表示する必要があります。次に、パターンがトレーニングされた後、別のニューラルネットワークがこのタスクを実行する必要があります。写真を撮ると、システムは猫が含まれているかどうかを判断する必要があり、TrueNorthは2番目のステップをより効率的にするために存在します。

ニューラルネットワークをトレーニングしたら、チップは巨大なデータセンターをバイパスして、2番目のステップに直接進むのに役立ちます。また、TrueNorthのチップは非常に小さく、電力効率が高いため、ハンドヘルドデバイスに収まります。これにより、全体的な効率が向上します。なぜなら、ネットワークを介してデータセンターから結果をダウンロードする必要がなくなるからです。「これは業界の未来であり、デバイスが複雑なタスクを独立して実行できるようになります。」「マーズは言いました。

Googleは最近、ニューラルネットワークを携帯電話に導入しようとしていますが、DiehlはTrueNorthがライバルよりもはるかに優れていると考えています。なぜなら、深層学習とより同期しているからです。各チップは数百万のニューロンをシミュレートでき、これらのニューロンは「脳内のシナプス」を介して互いに通信できます。

これは、TrueNorthを市場に出回っている同様の製品、グラフィックプロセッサやFPgaと比較しても、十分な利点があるものと区別するものです。TrueNorthチップは、脳内の電気インパルスと同様の「神経インパルス」を形成できます。神経インパルスは、誰かのスピーチのトーンの変化や、画像の色変化を示すことができます。「ニューロン間の小さなメッセージと考えてください。」チップの主要設計者の1人であるロドリゴ・アルバレス＝イカザは述べています。

チップには54億個のトランジスタがありますが、その消費電力はわずか70ミリワットです。標準的なIntelプロセッサはどうでしょうか？それは12億個のトランジスタを持っていますが、その消費電力は35〜140ワットに達します。スマートフォンで一般的に使用されているARMチップでさえ、TrueNorthチップよりも数倍多くの電力を消費します。

もちろん、チップが実際に機能するためには、新しいソフトウェアが必要です。これは、Diehlや他の開発者がテストラン中に行おうとしてきたことです。言い換えれば、開発者は既存のコードをチップが認識する言語に変換してチップにフィードしていますが、TrueNorthのネイティブコードの作成にも取り組んでいます。

他の開発者と同様に、Modhaは、ニューロン、軸索、シナプス、神経インパルスなど、生物学の分野でTrueNorthについて議論することに焦点を当てています。チップは間違いなく人間の神経系をある程度模倣していますが、まだ限界があります。「この種の議論は非常に注意が必要です。結局のところ、シリコンは人間の脳が作られているものではありません。」Skymindという会社の共同創設者であるクリス・ニコールソンは述べています。

Modhaはこれらの主張を認めています。2008年に、国防総省の研究部門であるDarpaからの5350万ドルの投資でプロジェクトを開始したとき、目標はまったく異なる材料からまったく新しいチップを構築し、人間の脳をシミュレートすることでした。しかし、彼はそれがすぐに起こらないことを知っており、「夢を追い求める途中で現実を無視することはできません」と彼は言いました。

2010年、彼は豚インフルエンザで病床に伏せ、その間に、ボトルネックを突破する最良の方法は、チップ構造から始めて脳のシミュレーションを実現することであることに気づきました。「計算能力を向上させるために、基本的な物理学、化学、生物学を模倣するのに神経細胞は必要ありません。私たちは、脳にますます近づくために十分に柔軟である必要があります。」と彼は言いました。

これがTrueNorthチップです。デジタル脳ではありませんが、その過程で重要なステップであり、IBMの試運転により、計画は順調に進んでいます。マシン全体は実際には48台の独立したマシンで構成されており、それぞれに独自のTrueNorthプロセッサが搭載されています。来週、試運転が終了すると、Modhaと彼のチームは、研究者がさらに研究するために持ち帰ることができるように、マシンを分解します。人間はテクノロジーを使用して社会を変革し、これらの研究者は私たちの努力のバックボーンです。