IBM, 48 çipten yapay bir beyin yaptı.

Proje lideri Dharmendra Modha'nın liderliğinde, tüm projeyle yakından ilgilendik. Hacminin bir banyo ilaç dolabı gibi olduğu, yarı saydam plastik panellerle kaplı olduğu ve içindeki çipleri, devre kartlarını ve renkli göstergeleri açıkça görebildiği anlaşılmaktadır. 70'lerin bilim kurgu filmlerinden bir şey gibi görünüyor, ancak Modha, "Küçük bir kemirgene bakıyorsunuz" diyor.

Küçük bir kemirgenin beyninden veya en azından bu çip yığınından bahsediyor, o beyne sığabilir. Bu çipler, beynin temel yapı taşları olan nöronlar gibi davranır. Modha, sistemin 48 milyon sinir hücresini, kabaca küçük bir kemirgen beynindeki sinir hücresi sayısına eşit olduğunu söylüyor.

IBM'de Modha, "nöroçip"i icat eden bilişsel bilişim grubunu yönetti. Kendisi ve ekibi ilk olarak icatlarını tanıttıklarında, bunu Silikon Vadisi'ndeki IBM'in araştırma ve geliştirme laboratuvarında akademisyenleri ve hükümet araştırmacılarını destekleyerek üç haftalık bir test çalışması için kullandılar. Kendi bilgisayarlarını dijital fare beynine bağladıktan sonra, araştırmacılar yapısını incelediler ve TrueNorth çipi için programlar yazmaya başladılar.

Geçen ay, bazı araştırmacılar bu adamı zaten Colorado'da görmüşlerdi, bu yüzden onu fotoğrafları ve konuşmayı tanıyacak ve bazı doğal dili anlayacak şekilde programlamışlardı. Çip, şu anda İnternet'in yapay zeka hizmetlerine hakim olan, Facebook için yüz tanıma ve Microsoft'un Skype'ı için gerçek zamanlı dil çevirisi sağlayan "derin öğrenme" algoritmalarını çalıştırıyor. Yine de, IBM'in burada bir avantajı var çünkü araştırmaları, alan ve güç kaynaklarına olan ihtiyacı azaltabilir. Gelecekte, bu yapay zekayı cep telefonlarına ve işitme cihazları ve saatler gibi diğer küçük cihazlara yerleştirebiliriz.

Sinaptik yapıdan ne elde ediyoruz? Görüntüleri çok düşük güç tüketimiyle sınıflandırabilir ve yeni ortamlarda sürekli olarak yeni sorunları çözebiliriz." Lawrence Livermore Ulusal Laboratuvarı'nda derin öğrenme algoritmalarını ulusal güvenliğe uygulamaktan sorumlu bilgisayar bilimcisi Brian Van Essen.

TrueNorth, gelecekte derin öğrenmeyi ve bir dizi başka yapay zeka hizmetini çalıştıracak en son teknolojidir. Google, Facebook ve Microsoft'tan algoritmalar çalıştıran günümüz makineleri hala ayrı grafik işlemciler gerektiriyor, ancak hepsi FPga'lara (belirli görevler için programlanabilen çipler) doğru ilerliyor. Zürih Politeknik Üniversitesi'ndeki Korteks Bilişim Grubu'nda doktora yapan Peter Diehl, düşük güç tüketimi nedeniyle TrueNorth'un hem bağımsız grafik çiplerinden hem de FPga'lardan daha üstün olduğuna inanıyor.

Michigan Üniversitesi'nde bilgisayar bilimleri profesörü olan Jason Mars, temel farkın TrueNorth'un derin öğrenme algoritmalarıyla sorunsuz çalışması olduğunu söylüyor. Her ikisi de derinlemesine sinir ağlarını simüle eder ve "beyinde" nöronlar ve sinapslar oluşturur. "Çip, sinir ağının komutlarını verimli bir şekilde yürütebilir." Test çalışmasına katılmadı, ancak çipin ilerlemesini yakından takip etti.

Yine de, TrueNorth henüz derin öğrenme algoritmalarıyla tam olarak senkronize değil. Ancak IBM, çipi geliştirmek için dış araştırmacıları dahil etmeye karar verdi, çünkü gerçek pazara hala biraz uzak. Modha için de gerekli bir süreçti, şöyle dedi: "Büyük bir dönüşüm için sağlam bir temel atmamız gerekiyordu."

Peter Diehl yakın zamanda Çin'e seyahat etti, ancak bazı nedenlerden dolayı telefonunun Google ile çalışmadığını biliyorsunuz ve aniden yapay zekayı orijinal formuna geri getirdi. Çünkü bulut bilişimin çoğu artık Google'ın sunucularına bağlı, bu yüzden ağ olmadan her şey işe yaramaz.

Derin öğrenme, genellikle dev veri merkezleri tarafından sağlanan muazzam miktarda işlem gücü gerektirir ve telefonlarımız genellikle onlara İnternet aracılığıyla bağlıdır. Öte yandan TrueNorth, işlem gücünün en azından bir kısmını telefonunuza veya diğer cihazınıza taşıyabilir, bu da yapay zeka kullanım sıklığını büyük ölçüde artırabilir.

Ancak bunu anlamak için önce derin öğrenmenin nasıl çalıştığını anlamanız gerekir. İki aşamada çalışır. İlk olarak, Google ve Facebook gibi şirketlerin belirli görevleri yerine getirmek için kendi sinir ağlarını oluşturmaları gerekir. Kedi fotoğraflarını otomatik olarak tanıma yeteneğine sahip olmak istiyorlarsa, sinir ağına bir grup kedi fotoğrafı göstermeleri gerekir. Daha sonra, desen eğitildikten sonra, başka bir sinir ağının bu görevi yerine getirmesi gerekir. Bir fotoğraf çıkardığınızda, sistemde kedilerin olup olmadığını belirlemeli ve TrueNorth, ikinci adımı daha verimli hale getirmek için var.

Sinir ağını eğittikten sonra, çip dev veri merkezini atlayıp doğrudan ikinci adıma geçmenize yardımcı olabilir. Ve TrueNorth'un çipi çok küçük ve enerji verimli olduğundan, el cihazlarına sığabilir. Bu, artık sonuçları ağ üzerinden veri merkezinden indirmenize gerek kalmadığından genel verimliliği artırır. Yaygınlaştırılabilirse, veri merkezleri üzerindeki baskıyı büyük ölçüde azaltabilir. "Bu, cihazların karmaşık görevleri bağımsız olarak gerçekleştirebildiği sektörün geleceğidir." "Mars dedi.

Google son zamanlarda sinir ağlarını cep telefonlarına getirmeye çalışıyor, ancak Diehl, TrueNorth'un rakiplerinden çok önde olduğunu düşünüyor, çünkü derin öğrenmeyle daha uyumlu. Her çip milyonlarca nöronu simüle edebilir ve bu nöronlar "beyindeki sinapslar" aracılığıyla birbirleriyle iletişim kurabilir.

TrueNorth'u piyasadaki benzer ürünlerden, hatta grafik işlemciler ve FPga'lardan bile ayıran şey budur. TrueNorth çipler, beyindeki elektriksel uyarımlara benzer "sinir uyarıları" oluşturabilir. Sinir uyarıları, birinin konuşmasında ton değişikliği veya bir görüntüde renk değişikliği gösterebilir. Çipin baş tasarımcılarından biri olan Rodrigo Alvarez-Icaza, "Bunu nöronlar arasındaki küçük mesajlar olarak düşünebilirsiniz" diyor.

Çipte 5,4 milyar transistör olmasına rağmen, güç tüketimi sadece 70 milivat. Standart Intel işlemciler ne olacak? 1,2 milyar transistöre sahip, ancak güç tüketimi 35 ila 140 watt aralığına ulaşıyor. Akıllı telefonlarda yaygın olarak kullanılan ARM çipler bile TrueNorth çiplerinden birkaç kat daha fazla güç tüketiyor.

Elbette, çipin gerçekten çalışması için yeni yazılımlara ihtiyacı var, ki bu da Diehl ve diğer geliştiricilerin test çalışması sırasında yapmaya çalıştığı şey. Başka bir deyişle, geliştiriciler mevcut kodu çipin tanıdığı bir dile dönüştürüyor ve ona besliyorlar, ancak aynı zamanda TrueNorth için yerel kod yazmak için de çalışıyorlar.

Diğer geliştiriciler gibi, Modha da TrueNorth'u nöronlar, aksonlar, sinapslar, sinir uyarıları vb. gibi biyoloji alanında tartışmaya odaklanıyor. Çip, şüphesiz insan sinir sistemini bazı açılardan taklit ediyor, ancak yine de sınırlamaları var. Skymind adlı bir şirketin kurucu ortağı Chris Nicholson, "Bu tür tartışmalar genellikle çok ihtiyatlıdır. Sonuçta, silikon insan beyninin yapıldığı şey değildir" dedi.

Modha bu iddiaları kabul ediyor. 2008'de, Darpa'dan (Savunma Bakanlığı'nın araştırma kolu) 53,5 milyon dolarlık bir yatırımla projeye başladığında, amaç tamamen farklı malzemelerden yepyeni bir çip inşa etmek ve insan beynini simüle etmekti. Ancak bunun çabuk olmayacağını biliyor ve "Hayallerimizin peşinden giderken gerçekliği görmezden gelemeyiz" dedi.

2010'da domuz gribinden yatağa düştü, bu sırada darboğazı aşmanın en iyi yolunun çip yapısıyla başlamak ve beynin bir simülasyonunu elde etmek olduğunu fark etti. "Hesaplama gücünü artırmak için temel fizik, kimya ve biyolojiyi taklit etmek için sinir hücrelerine ihtiyacınız yok. Beyne daha çok benzemek için yeterince esnek olmalıyız." dedi.

Bu, TrueNorth çipi. Dijital bir beyin değil, ancak bu yolda önemli bir adım ve IBM'in deneme çalışmasıyla plan yolunda. Tüm makine aslında her biri kendi TrueNorth işlemcisine sahip 48 ayrı makineden oluşuyor. Önümüzdeki hafta, deneme çalışması bittiğinde, Modha ve ekibi makineyi araştırmacıların daha fazla çalışma için eve götürmeleri için parçalayacak. İnsanlar toplumu değiştirmek için teknolojiyi kullanıyor ve bu araştırmacılar çabalarımızın bel kemiğini oluşturuyor.