Recent News
Ludzki mózg jako wzór do naśladowania

Po raz pierwszy Instytut Informatyki Teoretycznej TU Graz i Intel Labs wykazały eksperymentalnie, że duża sieć neuronowa może przetwarzać sekwencje takie jak zdania, zużywając przy tym od czterech do szesnastu razy mniej energii podczas pracy na sprzęcie neuromorficznym niż na sprzęcie nieneuromorficznym. Nowe badania opierają się na neuromorficznym układzie badawczym Loihi firmy Intel Labs, który wykorzystuje spostrzeżenia z neuronauki, aby stworzyć układy funkcjonujące podobnie do tych w biologicznym mózgu.

Badania zostały sfinansowane przez The Human Brain Project (HBP), jeden z największych projektów badawczych na świecie, w którym ponad 500 naukowców i inżynierów z całej Europy bada ludzki mózg. Wyniki badań zostały opublikowane w pracy „Memory for AI Applications in Spike-based Neuromorphic Hardware” (DOI 10.1038/s42256-022-00480-w), która ukazała się w Nature Machine Intelligence.

Ludzki mózg jako wzór do naśladowania

Inteligentne maszyny i inteligentne komputery, które potrafią autonomicznie rozpoznawać i wnioskować o obiektach i relacjach między nimi, są przedmiotem światowych badań nad sztuczną inteligencją (AI). Zużycie energii jest główną przeszkodą na drodze do szerszego zastosowania takich metod AI. Można mieć nadzieję, że technologia neuromorficzna będzie stanowiła impuls we właściwym kierunku. Technologia neuromorficzna jest wzorowana na ludzkim mózgu, który bardzo efektywnie wykorzystuje energię. Do przetwarzania informacji jego sto miliardów neuronów zużywa jedynie około 20 watów, czyli niewiele więcej energii niż przeciętna żarówka energooszczędna.

W badaniach grupa skupiła się na algorytmach, które pracują z procesami czasowymi. Na przykład system musiał odpowiadać na pytania dotyczące wcześniej opowiedzianej historii i wyłapywać z kontekstu relacje między obiektami lub osobami. Testowany sprzęt składał się z 32 chipów Loihi.

Chip badawczy Loihi: do szesnastu razy bardziej energooszczędny niż sprzęt nieneuromorficzny

„Nasz system jest od czterech do szesnastu razy bardziej energooszczędny niż inne modele AI na konwencjonalnym sprzęcie” – mówi Philipp Plank, doktorant w Instytucie Informatyki Teoretycznej TU Graz. Plank spodziewa się dalszego wzrostu wydajności w miarę migracji tych modeli do kolejnej generacji sprzętu Loihi, który znacznie poprawia wydajność komunikacji chip-to-chip.

„Chipy badawcze Loihi firmy Intel obiecują przynieść zyski w dziedzinie AI, zwłaszcza dzięki obniżeniu ich wysokich kosztów energii” – powiedział Mike Davies, dyrektor Intel’s Neuromorphic Computing Lab. „Nasza praca z TU Graz dostarcza więcej dowodów na to, że technologia neuromorficzna może poprawić wydajność energetyczną dzisiejszych obciążeń roboczych związanych z głębokim uczeniem się poprzez ponowne przemyślenie ich implementacji z perspektywy biologii”.

Naśladowanie ludzkiej pamięci krótkotrwałej

W swojej sieci neuromorficznej grupa odtworzyła domniemany mechanizm pamięciowy mózgu, jak wyjaśnia Wolfgang Maass, opiekun doktoratu Philippa Planka w Instytucie Informatyki Teoretycznej: „Badania eksperymentalne wykazały, że ludzki mózg może przechowywać informacje przez krótki czas nawet bez aktywności neuronalnej, a mianowicie w tzw. 'zmiennych wewnętrznych’ neuronów. Symulacje sugerują, że mechanizm zmęczenia pewnego podzbioru neuronów jest niezbędny dla tej pamięci krótkotrwałej.”

Bezpośredniego dowodu brakuje, ponieważ tych wewnętrznych zmiennych nie można jeszcze zmierzyć, ale oznacza to, że sieć musi tylko sprawdzić, które neurony są aktualnie zmęczone, aby odtworzyć, jakie informacje wcześniej przetwarzała. Innymi słowy, poprzednie informacje są przechowywane w nieaktywności neuronów, a nieaktywność zużywa najmniej energii.

News Reporter

Dodaj komentarz

Twój adres e-mail nie zostanie opublikowany. Wymagane pola są oznaczone *