IBM은 48개의 칩으로 인공 두뇌를 만들었습니다.

프로젝트 리더 인 Dharmendra Modha의 리더십하에 우리는 전체 프로젝트와 가까이서 개인적으로 나타났습니다. 그 볼륨은 반투명 플라스틱 패널로 덮여있는 욕실 의약품 캐비닛과 같으며 그 안에 칩, 회로 보드 및 화려한 지표를 명확하게 볼 수 있습니다. 70 년대 공상 과학 영화에서 나오는 것처럼 보이지만 Modha는 "당신은 작은 설치류를보고 있습니다."라고 말합니다.

그는 작은 설치류의 뇌에 대해 이야기하고 있습니다. 이 칩은 뇌의 기본 빌딩 블록 인 뉴런 역할을합니다. Modha는 시스템이 시뮬레이션 할 수 있다고 말합니다48 백만 신경 세포, 작은 설치류 뇌에서 신경 세포의 수와 거의 같습니다.

IBM에서 Modha는 "Neurochip"을 발명 한인지 컴퓨팅 그룹을 운영했습니다. 그와 그의 팀이 처음 발명을 발표했을 때, 그들은 실리콘 밸리의 IBM의 연구 개발 실험실에서 학계와 정부 연구원들을 지원하는 3 주간의 시험 실행에 그것을 사용했습니다. 자체 컴퓨터를 디지털 마우스 뇌에 연결 한 후 연구원들은 구조를 탐색하고 Truenorth 칩을위한 프로그램을 작성하기 시작했습니다.

지난 달, 일부 연구자들은 이미 콜로라도 에서이 사람을 보았으므로 사진과 연설을 인식하고 자연어를 이해하도록 프로그램을 프로그램했습니다. 이 칩은 이제 인터넷의 인공 지능 서비스를 지배하는 "딥 러닝"알고리즘을 실행하여 Facebook에 대한 얼굴 인식과 Microsoft의 Skype에 대한 실시간 언어 번역을 제공합니다. 그럼에도 불구하고 IBM은 연구 결과 공간과 전원 공급 장치의 필요성을 줄일 수 있기 때문에 여기에서 헤드 스타트가 있습니다. 앞으로이 인공 지능을 휴대 전화 및 보청기 및 시계와 같은 다른 소규모 장치에 넣을 수 있습니다.

"우리는 시냅스 구조에서 무엇을 얻을 수 있습니까? 우리는 매우 낮은 전력 소비로 이미지를 분류 할 수 있으며 새로운 환경에서 새로운 문제를 지속적으로 해결할 수 있습니다." Lawrence Livermore National Laboratory의 컴퓨터 과학자 인 Brian Van Essen은 딥 러닝 알고리즘을 국가 안보에 적용 할 책임이 있습니다.

Truenorth는 딥 러닝 및 향후 다양한 AI 서비스를 운영 할 최신 기술입니다. Google, Facebook 및 Microsoft에서 알고리즘을 실행하는 오늘날의 기계에는 별도의 그래픽 프로세서가 여전히 필요하지만 모두 FPGA (특정 작업을 위해 프로그래밍 할 수있는 칩)로 이동하고 있습니다. Peter Diehl (Polytechnic University Zurich의 Cortex Computing Group의 PhD)은 Truenorth가 전력 소비가 낮아서 독립형 그래픽 칩과 FPGA보다 우수하다고 생각합니다.

미시간 대학교의 컴퓨터 과학 교수 인 제이슨 마스 (Jason Mars)는 트루 젠버스 (Truenorth)가 딥 러닝 알고리즘과 완벽하게 작동한다고 말합니다. 둘 다 신경망을 심도있게 시뮬레이션하고 "뇌에서"뉴런과 시냅스를 생성합니다. "칩은 신경망의 명령을 효율적으로 실행할 수 있습니다." 그는 테스트 실행에 참여하지 않았지만 칩의 진행 상황을 면밀히 따랐습니다.

그럼에도 불구하고 Truenorth는 아직 딥 러닝 알고리즘과 완전히 동기화되지 않았습니다. 그러나 IBM은 칩을 개선하는 데 외부 연구원을 참여시키기로 결정했습니다. 왜냐하면 실제 시장과는 거리가 멀기 때문입니다. Modha에게는 "우리는 주요 변화를위한 견고한 기초를 마련해야했다"고 말했다.

Peter Diehl은 최근에 중국으로 여행했지만 어떤 이유로 든 그의 전화는 Google에서 작동하지 않았으며 갑자기 인공 지능을 원래 형태로 되돌려 놓았습니다. 클라우드 컴퓨팅의 대부분은 이제 Google 서버에 따라 달라 지므로 네트워크가 없으면 모든 것이 쓸모가 없습니다.

딥 러닝에는 엄청난 양의 처리 능력이 필요하며, 이는 일반적으로 거대한 데이터 센터에서 제공하며, 우리의 전화는 일반적으로 인터넷을 통해 연결됩니다. 반면에 Truenorth는 최소한 처리 전력을 휴대 전화 나 다른 장치로 이동시킬 수 있으며, 이는 AI 사용 빈도를 크게 확장 할 수 있습니다.

그러나 이것을 이해하려면 먼저 딥 러닝의 작동 방식을 이해해야합니다. 그것은 두 단계로 작동합니다. 첫째, Google 및 Facebook과 같은 회사는 특정 작업을 처리하기 위해 자체 신경망을 구축해야합니다. 고양이 사진을 자동으로 인식 할 수있는 능력을 원한다면 신경망에 고양이 사진을 많이 보여 주어야합니다. 그런 다음 패턴을 훈련 한 후 다른 신경망 이이 작업을 수행해야합니다. 사진을 꺼내면 시스템이 고양이가 있는지 확인해야하며 Truenorth가 두 번째 단계를보다 효율적으로 만들기 위해 존재합니다.

신경망을 훈련 한 후에는 칩을 사용하면 거대한 데이터 센터를 우회하고 두 번째 단계로 바로 이동할 수 있습니다. Truenorth의 칩은 매우 작고 전력 효율적이기 때문에 핸드 헬드 장치에 들어갈 수 있습니다. 더 이상 네트워크를 통한 데이터 센터의 결과를 다운로드 할 필요가 없기 때문에 전체 효율성이 증가합니다. 대중화 될 수 있다면 데이터 센터의 압력을 크게 줄일 수 있습니다. "이것은 장치가 복잡한 작업을 독립적으로 수행 할 수있는 업계의 미래입니다." "화성은 말했다.

Google은 최근에 신경망을 휴대 전화로 가져 오려고 노력했지만 Diehl은 Truenorth가 경쟁 업체보다 앞서 있다고 생각합니다. 왜냐하면 그것은 딥 러닝과 더 일치하기 때문입니다. 각 칩은 수백만 개의 뉴런을 시뮬레이션 할 수 있으며,이 뉴런은 "뇌의 시냅스"를 통해 서로 통신 할 수 있습니다.

이것이 그래픽 프로세서와 비교할 때 Truenorth를 시장에서 유사한 제품과 차별화하는 것입니다. FPGA는 충분한 장점이 있습니다. Truenorth 칩은 뇌의 전기 충동과 유사한 "신경 자극"을 형성 할 수 있습니다. 신경 자극은 누군가의 연설에서 톤의 변화 또는 이미지에서 색상의 변화를 보여줄 수 있습니다. "뉴런 사이의 메시지가 거의 없다고 생각할 수 있습니다." 칩의 리드 디자이너 중 한 명인 Rodrigo Alvarez-Icaza.

있지만 있습니다54 억 트랜지스터칩에서는 전력 소비만으로도됩니다70 Milliwatts. 표준 인텔 프로세서는 어떻습니까? 가지고 있습니다12 억 트랜지스터그러나 전력 소비는 도달합니다35 ~ 140 와트. 스마트 폰에서 일반적으로 사용되는 팔 칩조차도 Truenorth 칩보다 여러 배 더 많은 전력을 소비합니다.

물론 칩이 실제로 작동하려면 새로운 소프트웨어가 필요합니다. 이는 Diehl과 다른 개발자들이 테스트 실행 중에 수행하려고했던 것입니다. 다시 말해, 개발자는 기존 코드를 칩이 인식하고 공급하는 언어로 변환하고 있지만 Truenorth에 대한 기본 코드를 작성하는 작업도 작업하고 있습니다.

다른 개발자들과 마찬가지로, Modha는 뉴런, 축삭, 시냅스, 신경 충동 등과 같은 생물학 분야에서 Truenorth를 논의하는 데 중점을 둡니다. "이런 종류의 토론은 종종 매우 신중합니다. 결국, 실리콘은 인간의 뇌가 만들어지는 것이 아닙니다." Chris Nicholson, Skymind라는 회사의 공동 설립자.

Modha는 이러한 주장을 인정합니다. 그가 2008 년에 프로젝트를 시작했을 때5,350 만 달러의 투자DARPA (국방부의 연구 부문)에서 목표는 완전히 다른 재료로 완전히 새로운 칩을 구축하고 인간의 뇌를 시뮬레이션하는 것이 었습니다. 그러나 그는 그것이 빨리 일어나지 않을 것이라는 것을 알고 있으며, "우리는 꿈을 추구하는 길에 현실을 무시할 수 없다"고 그는 말했다.

2010 년에 그는 돼지 독감에 걸렸으며, 그 동안 병목 현상을 뚫는 가장 좋은 방법은 칩 구조로 시작하여 뇌의 시뮬레이션을 달성하는 것임을 깨달았습니다. "컴퓨팅 전력을 향상시키기 위해 기본 물리학, 화학 및 생물학을 모방하기 위해 신경 세포가 필요하지 않습니다. 우리는 뇌와 비슷해지기에 충분히 유연해야합니다." '그는 말했다.

이것은 Truenorth 칩입니다. 디지털 뇌는 아니지만 그 길을 따라 중요한 단계이며 IBM의 시험 실행으로 계획이 제대로 진행됩니다. 전체 기계는 실제로 구성됩니다48 개의 별도 기계, 각각 고유 한 Truenorth 프로세서가 있습니다. 다음 주에 시험이 끝나면 Modha와 그의 팀은 연구원들이 추가 연구를 위해 집으로 가져갈 수 있도록 기계를 분류 할 것입니다. 인간은 기술을 사용하여 사회를 변화 시키며,이 연구자들은 우리의 노력의 중추입니다.