Компания Intel объявила о значительном улучшении своего нейроморфного исследовательского процессора под названием Loihi. В настоящее время компания расширила свою реализацию Loihi до 64-процессорного уровня, что позволило ей создать систему с более чем 8 млн нейронов (8,3 млн). Эта новая конфигурация (под названием Pohoiki Beach) обеспечивает в 1000 раз лучшую производительность, чем обычные процессоры в таких сферах применения, как разреженное кодирование, поиск в графе и проблемы удовлетворения ограничений. Intel утверждает, что новый Pohoiki Beach обеспечивает повышение энергоэффективности в 10 000 раз по сравнению с традиционными архитектурами ЦП в подобных тестах.
Нейроморфные вычисления – это подмножество вычислений, которые пытаются имитировать архитектуру мозга, используя современные технологические аналоги. Например, вместо реализации типичных тактовых частот процессора. Loihi основан на архитектуре нейронной сети. Базовый процессор Loihi содержит 128 нейроморфных ядер, три ядра процессора Lakefield (Intel Quark) и сеть связи вне кристалла. Теоретически, Loihi может масштабироваться до 4096 ядерных чипов и 16384 чипов, хотя Intel заявляет, что не планирует коммерциализировать такой большой дизайн.
«Благодаря чипу Loihi мы смогли продемонстрировать в 109 раз более низкое энергопотребление, используя тест глубинного обучения в режиме реального времени по сравнению с графическим процессором, и в 5 раз более низкое энергопотребление по сравнению со специализированным аппаратным обеспечением для вывода IoT», – сообщил Крис Элиасмит (Chris Eliasmith), совладелец Applied Brain Research и профессор Университета Ватерлоо. «Даже лучше, когда мы увеличиваем сеть в 50 раз, Loihi поддерживает результаты производительности в режиме реального времени и использует только на 30 процентов больше энергии, тогда как оборудование IoT потребляет на 500 процентов больше энергии и больше не работает в режиме реального времени».
Внедрение Pohoiki Beach не является крупнейшим запланированным развертыванием для нейроморфного чипа. Intel заявляет, что намерена развернуть еще более крупный проект под названием Pohoiki Springs, который обеспечит «беспрецедентный уровень производительности и эффективности для масштабируемых нейроморфных рабочих нагрузок».
Мы освещали достижения и исследования в области нейроморфных вычислений в течение нескольких лет в ET. Работа над этими процессорами тесно связана с работой, которая ведется в области ИИ и машинного интеллекта в целом, но нейроморфные вычисления касаются не только того, как эффективно выполнять рабочие нагрузки ИИ / МЛ на существующих чипах. Конечная цель заключается в создании процессоров, которые больше похожи на человеческий мозг.
Одна из странностей вычислительной техники состоит в том, что очень распространены аналогии, сравнивающие функции человеческого мозга и работу компьютеров. Человеческий мозг и классические компьютеры практически не пересекаются с точки зрения их функционирования. Транзисторы не эквивалентны нейронам, и модель спайковой нейронной сети, которую Loihi использует для передачи информации через собственные ядра процессора, предназначена для того, чтобы быть ближе к биологическим процессам, которые используют люди и другие животные, чем традиционный кремний.
Проекты, подобные этому, имеют ряд долгосрочных исследовательских целей, конечно, но одна из самых фундаментальных – лучше понять, как работает мозг, чтобы скопировать часть своей энергоэффективности. Человеческий мозг работает примерно на 20 Вт. Ожидается, что суперкомпьютеры Exascale, которые считаются минимальными для расширенного нейронного моделирования чего-либо более сложного, чем дождевой червь, потребляют мегаватты энергии на суперкомпьютер. Разрыв между этими цифрами объясняет, почему нас так интересует долгосрочная энергоэффективность и вычислительный потенциал мозга. Такие архитектуры, как Loihi, – это не просто попытка написать программы, которые имитируют то, что могут делать люди; цель также состоит в том, чтобы скопировать аспекты нашей неврологии. Это делает их прогресс немного интереснее.
Выражаем свою благодарность источнику из которого взята и переведена статья, сайту extremetech.com
Оригинал статьи вы можете прочитать здесь.