Intel почав виробництво мікросхеми, яка імітуватиме людський мозок

  1. 5
  2. 4
  3. 3
  4. 2
  5. 1

(1 голос, в середньому: 5 з 5)
На сучасному етапі розвитку інформаціних технологій продуктивність сучасних комп’ютерів часто порівнюють з продуктивністю біологічних систем. Мільярди нервових клітин біологічної системи паралельно спілкуються завдяки особливостям самої архітектури нервової системи, завдяки чому продуктивність біологічних систем набагато перевищує продуктивність сучасного комп’ютера.

Наука сьогодні досліджує властивості біологічних типів нейронних архітектур та намагається моделювати їх обчислювальні стратегії для розробки альтернативних обчислювальних технологій. Нейроморфічні мікросхеми вважаються перспективною технологією для реалізації альтернативних комп’ютерних парадигм.

Очікується, що завдяки досягненням у галузі обчислювальної та алгоритмічної інновації, трансформаційна сила штучного інтелекту, дужу суттєво вплине на розвиток людського суспільства.

Intel проводить експерименти з нейроморфічними мікросхемами, які по своєму функціоналу нагадують роботу людського мозку. Реалізовані по аналогії біофізики нейронів та синапсів, але в кремнії.

Новий Intel Chip обіцяє прискорити штучний інтелект

У вересні 2017 року Д-р Майкл Мейберрі (Michael Mayberry) – корпоративний віце-президент та керуючий директор Intel Labs корпорації Intel презентував перший у своємо роді чіп з можливістю самонавчання під кодовою назвою Loihi.

Уявіть собі майбутнє, де складні рішення можуть бути прийняті швидше та адаптуватися з часом. Де соціально-промислові проблеми можна самостійно вирішувати, використовуючи накопичений досвід.
Це майбутнє, коли цифрові пристрої, які використовують програми для розпізнавання зображень, можуть аналізувати зображення камер з вулиці та швидко вирішувати питання ідентифікації особи в пропускній системі, або особи викрадача. Це майбутнє, де роботи більш автономні, і ефективність їх роботи значно збільшується. Зростаюча потреба у зборі, аналізі та прийнятті рішень з високо динамічних і неструктурованих природних даних – це попит на обчислення, що може перевищити можливості як процесорів класичниї архітектури, так і графічних процесорів.
Поєднаний експеримент з чіпом, фізикою та біологією створило середовище для нових ідей. Ідеї ​​були простими, але революційними: порівняння машини з людським мозком. Область вивчення продовжує бути високоперспективною та сприяє розвитку науки.
Завдяки зусиллям лабораторій Intel, було розроблено першу у своєму роді нейроморфну мікросхему зі здатністю самонавчання  під назвою Loihi.

Поки що чіп є тестовою моделлю, він щойно вийшов з дослідницької лабораторії і отримав назву тест-чіп Intel Loihi. Він позиціонується як здатний до самонавчання чіп, що імітує функціонування людського інтелекту,  може працювати на основі різних способів зворотного зв’язку з навколишнім середовищем.

Loihi

Чіп названий на честь активного підводного вулкану на південь від острова Гаваї.

Intel Loihi

Loihi включає в себе цифрові схеми, які імітують базову механіку мозку, що робить машину швидкою та ефективнішою, а також вимагає меншої обчислювальної потужності.
Повна асинхронна нейроморфна багато ядерна мережа, яка підтримує широкий спектр розріджених, ієрархічних і рекурентних топологій нейронних мереж, з кожним нейроном, здатним спілкуватися з тисячами інших нейронів.
Кожне нейроморфне ядро ​​включає в себе навчальний інструмент, який може бути запрограмований для адаптації параметрів мережі під час роботи, підтримуючи різні навчальні парадигми.
Тест-чіп Intel Loihi  60-мм виготовлений за 14 нм Intel технологією. Складається з 128 обчислювальних ядер, кожне з яких має 1024 штучних нейронів, що в загальному об’ємі становить більше 130000 (131072) кремнієвих нейронів, пов’язаних 130 мільйонами синапсів.
Чіп використовує програмні правила синаптичного навчання.
Цей надзвичайно енергоефективний чіп, який використовує дані для вивчення та висновків, з часом розумнішає і не потребує традиційної підготовки. Це дозволяє машинам бути автономними та адаптуватися в режимі реального часу, замість того, щоб очікувати чергового оновлення з зовні. Дослідження продемонстрували навчання на швидкості, що в 1 мільйон разів краща порівняно з іншими типовими нейромережами, що вимірюється загальними операціями, для досягнення заданої точності при вирішенні проблем розпізнавання цифр MNIST, при цьому тестовий чіп Loihi використовує набагато менше ресурсів для виконання того самого завдання. У першій половині 2018 року тест-чіп Loihi буде доступний провідним університетським і науково-дослідним установам з акцентом на просуванні штучого ітелекту.

Чіп був перевірений практично і визнаний 100 процентно функціональним. Дослідження програми роспізнавання 3-D об’єкта з кількох кутів огляду, які проводилися в лабораторії показали, що ця конкретна програма використовує менше 1 відсотка ресурсів чіпу Loihi,  тренування розпізнавання триває секунди і при цьому споживає десятки міліватт.

Вже в березні 2018 року Intel оголосила про створення спільноти

Intel Neuromorphic Research Community (INRC) для просування тест-чіпа “Loihi”

За допомогою співпраці провідних науково-дослідних інститутів у всьому світі цей чіп може просунутися від прототипу до найвагомішого в галузі продукту протягом найближчих років. Дійсно, його майбутнє може бути яскраве.
З метою об’єднання академічних, урядових, дослідницьких груп Intel шукає конструктивні пропозиції по слідуючим напрямкам:

Нейроморфна теорія:

Отримання і систематизація знань нейронауки та його зв’язування з практичними обчислювальними моделями.

Алгоритми розповсюдження нейронної мережі:

Принципована розробка динаміки нейромереж, особливостей та правил навчання.
Нейроморфні програми:
Системи та програмне забезпечення, які використовують Loihi та майбутні нейроморфні архітектури Intel для вирішення реальних проблем.
Моделі програмування:
Нові парадигми для концептуалізації та уточнення структури та виникнення поведінки нейроморфних систем.
Технологія Sensing and Control, керовані події:
Нові та ефективні підходи для взаємодії обчислювальних систем на основі спайків з реальними даними та системами.

 

Відтворення цієї статті, або будь-якої її частини, допускається за умови посилання на першоджерело:www.miditaur.net та автора. Призначено для  вільного використання з з метою освіти, навчання і приватного дослідження.
  1. 5
  2. 4
  3. 3
  4. 2
  5. 1

(1 голос, в середньому: 5 з 5)

Leave a Reply

Ввійти за допомогою: