W swoim laboratorium w pobliżu San Jose, IBM zbudowało elektroniczny mózg gryzonia z 48 testowych chipów TrueNorth, z których każdy może naśladować podstawowy budulec mózgu.
Pod kierownictwem lidera projektu, Dharmendry Modhy, przyjrzeliśmy się całemu projektowi z bliska. Rozumie się, że jego objętość jest jak szafka na leki w łazience, która jest pokryta przezroczystymi plastikowymi panelami i można wyraźnie zobaczyć w niej chipy, płytki drukowane i kolorowe wskaźniki. Wygląda to jak coś z filmu science fiction z lat 70., ale Modha mówi: „Patrzysz na małego gryzonia”.
Mówi o mózgu małego gryzonia, a przynajmniej ten stos chipów może zmieścić się w tym mózgu. Te chipy działają jak neurony, podstawowe elementy budulcowe mózgu. Modha mówi, że system może symulować 48 milionów komórek nerwowych, w przybliżeniu równą liczbie komórek nerwowych w mózgu małego gryzonia.
W IBM Modha prowadził grupę obliczeń poznawczych, która wynalazła „neurochip”. Kiedy on i jego zespół po raz pierwszy zaprezentowali swój wynalazek, użyli go do trwającego trzy tygodnie testu, wspierając naukowców i badaczy rządowych w laboratorium badawczo-rozwojowym IBM w Dolinie Krzemowej. Po podłączeniu własnych komputerów do cyfrowego mózgu myszy, naukowcy zbadali jego strukturę i zaczęli pisać programy dla chipa TrueNorth.
W zeszłym miesiącu niektórzy badacze widzieli już tego gościa w Kolorado, więc zaprogramowali go tak, aby rozpoznawał zdjęcia i mowę oraz rozumiał pewien język naturalny. Chip uruchamia algorytmy „głębokiego uczenia”, które obecnie dominują w usługach sztucznej inteligencji w Internecie, zapewniając rozpoznawanie twarzy dla Facebooka i tłumaczenie języka w czasie rzeczywistym dla Skype'a firmy Microsoft. Mimo to IBM ma tutaj przewagę, ponieważ jego badania mogą zmniejszyć zapotrzebowanie na przestrzeń i zasilanie. W przyszłości być może będziemy mogli umieścić tę sztuczną inteligencję w telefonach komórkowych i innych małych urządzeniach, takich jak aparaty słuchowe i zegarki.
„Co zyskujemy ze struktury synaptycznej? Możemy klasyfikować obrazy przy bardzo niskim zużyciu energii i możemy stale rozwiązywać nowe problemy w nowych środowiskach”. Brian Van Essen, informatyk z Lawrence Livermore National Laboratory, który odpowiada za stosowanie algorytmów głębokiego uczenia do bezpieczeństwa narodowego.
TrueNorth to najnowsza technologia, która w przyszłości będzie uruchamiać głębokie uczenie i szereg innych usług AI. Dzisiejsze maszyny, które uruchamiają algorytmy z Google, Facebooka i Microsoftu, nadal wymagają oddzielnych procesorów graficznych, ale wszystkie zmierzają w kierunku FPgas (chipów, które można zaprogramować do określonych zadań). Peter Diehl (doktorat w Cortex Computing Group na Politechnice w Zurychu) uważa, że TrueNorth jest lepszy zarówno od samodzielnych chipów graficznych, jak i FPgas ze względu na niskie zużycie energii.
Główna różnica, jak mówi Jason Mars, profesor informatyki na Uniwersytecie Michigan, polega na tym, że TrueNorth działa bezproblemowo z algorytmami głębokiego uczenia. Oba symulują sieci neuronowe w głębi i generują neurony i synapsy „w mózgu”. „Chip może wydajnie wykonywać polecenia sieci neuronowej”. Nie brał udziału w teście, ale uważnie śledził postępy chipa.
Mimo to TrueNorth nie jest jeszcze w pełni zsynchronizowany z algorytmami głębokiego uczenia. Jednak IBM zdecydowało się zaangażować zewnętrznych badaczy w ulepszanie chipa, ponieważ wciąż dzieli go pewna odległość od rzeczywistego rynku. Dla Modhy było to również konieczny proces, jak powiedział: „Musieliśmy położyć solidne fundamenty pod dużą transformację”.
Peter Diehl niedawno podróżował do Chin, ale z jakiegoś powodu wiesz, jego telefon nie działał z Google, i nagle zabrał sztuczną inteligencję z powrotem do jej pierwotnej formy. Ponieważ większość przetwarzania w chmurze zależy teraz od serwerów Google, więc bez sieci wszystko jest bezużyteczne.
Głębokie uczenie wymaga ogromnej mocy obliczeniowej, która jest zwykle zapewniana przez gigantyczne centra danych, a nasze telefony są zwykle połączone z nimi przez Internet. Z drugiej strony TrueNorth może przenieść przynajmniej część swojej mocy obliczeniowej do telefonu lub innego urządzenia, co może znacznie zwiększyć częstotliwość korzystania z AI.
Ale aby to zrozumieć, musisz najpierw zrozumieć, jak działa głębokie uczenie. Działa w dwóch etapach. Po pierwsze, firmy takie jak Google i Facebook muszą zbudować własne sieci neuronowe, aby obsługiwać określone zadania. Jeśli chcą mieć możliwość automatycznego rozpoznawania zdjęć kotów, muszą pokazać sieci neuronowej mnóstwo zdjęć kotów. Następnie, po przeszkoleniu wzorca, inna sieć neuronowa musi wykonać to zadanie. Kiedy wyjmujesz zdjęcie, system musi ustalić, czy są na nim koty, a TrueNorth istnieje po to, aby drugi krok był bardziej wydajny.
Po przeszkoleniu sieci neuronowej chip może pomóc w ominięciu gigantycznego centrum danych i przejść bezpośrednio do drugiego kroku. A ponieważ chip TrueNorth jest tak mały i energooszczędny, może zmieścić się w urządzeniach przenośnych. Zwiększa to ogólną wydajność, ponieważ nie musisz już pobierać wyników z centrum danych przez sieć. Jeśli można to spopularyzować, może to znacznie zmniejszyć obciążenie centrów danych. „To przyszłość branży, w której urządzenia mogą wykonywać złożone zadania niezależnie”. „Powiedział Mars.
Google niedawno próbowało przenieść sieci neuronowe do telefonów komórkowych, ale Diehl uważa, że TrueNorth wyprzedza swoich rywali, ponieważ jest bardziej zsynchronizowany z głębokim uczeniem. Każdy chip może symulować miliony neuronów, a neurony te mogą komunikować się ze sobą za pośrednictwem „synaps w mózgu”.
To właśnie odróżnia TrueNorth od podobnych produktów na rynku, nawet w porównaniu z procesorami graficznymi i FPgas ma wystarczające zalety. Chipy TrueNorth mogą tworzyć „impulsy nerwowe”, podobne do impulsów elektrycznych w mózgu. Impulsy nerwowe mogą pokazywać zmianę tonu w czyjejś mowie lub zmianę koloru na obrazie. „Możesz myśleć o tym jak o małych wiadomościach między neuronami”. Rodrigo Alvarez-Icaza, jeden z głównych projektantów chipa.
Chociaż na chipie znajduje się 5,4 miliarda tranzystorów, jego zużycie energii wynosi tylko 70 miliwatów. A co ze standardowymi procesorami Intela? Ma 1,2 miliarda tranzystorów, ale jego zużycie energii sięga 35 do 140 watów. Nawet chipy ARM, które są powszechnie używane w smartfonach, zużywają kilka razy więcej energii niż chipy TrueNorth.
Oczywiście, aby chip naprawdę działał, potrzebuje nowego oprogramowania, co właśnie Diehl i inni programiści próbowali zrobić podczas testu. Innymi słowy, programiści konwertują istniejący kod na język, który chip rozpoznaje i wprowadza do niego, ale pracują również nad pisaniem natywnego kodu dla TrueNorth.
Podobnie jak inni programiści, Modha skupia się na omawianiu TrueNorth w dziedzinie biologii, takiej jak neurony, aksony, synapsy, impulsy nerwowe itp. Chip niewątpliwie naśladuje ludzki układ nerwowy w pewien sposób, ale wciąż ma swoje ograniczenia. „Tego rodzaju dyskusje są często bardzo ostrożne. W końcu krzem nie jest tym, z czego zbudowany jest ludzki mózg”. Chris Nicholson, współzałożyciel firmy o nazwie Skymind.
Modha przyznaje to. Kiedy rozpoczął projekt w 2008 roku, z inwestycją w wysokości 53,5 miliona dolarów od Darpa (ramienia badawczego Departamentu Obrony), celem było zbudowanie zupełnie nowego chipa z zupełnie innych materiałów i symulacja ludzkiego mózgu. Ale wie, że to się szybko nie stanie i „nie możemy ignorować rzeczywistości w drodze do realizacji naszych marzeń”, powiedział.
W 2010 roku był przykuty do łóżka z powodu grypy świńskiej, podczas której zdał sobie sprawę, że najlepszym sposobem na przełamanie wąskiego gardła jest rozpoczęcie od struktury chipa i osiągnięcie symulacji mózgu. „Nie potrzebujesz komórek nerwowych, aby naśladować podstawową fizykę, chemię i biologię, aby poprawić moc obliczeniową. Musimy być wystarczająco elastyczni, aby stawać się coraz bardziej podobni do mózgu”. 'powiedział.
To jest chip TrueNorth. To nie jest cyfrowy mózg, ale ważny krok na tej drodze, a dzięki testom IBM plan jest na dobrej drodze. Cała maszyna składa się tak naprawdę z 48 oddzielnych maszyn, z których każda ma własny procesor TrueNorth. W przyszłym tygodniu, po zakończeniu testu, Modha i jego zespół rozmontują maszynę, aby naukowcy mogli zabrać ją do domu w celu dalszych badań. Ludzie wykorzystują technologię do zmiany społeczeństwa, a ci badacze są trzonem naszych wysiłków.
