100 milyon nöron bilgi işlem sistemi doğdu ve yarı iletken devin yeni nesil bilgi işlem bölgesi görünmeye başladı
İnsan beyni, birbirine bağlı 86 milyar nörondan oluşur. Bilim adamları, bu bağlantıyı çipte mümkün olduğunca çoğaltmayı umuyorlar.
Bugün Intel, Loihinin sinir kapasitesini küçük bir memeli beyni boyutuna yükselterek, bilgi işlem gücünü ilk kez 100 milyona çıkaran en son nöromorfik sistemi Pohoiki Springsi piyasaya sürdüğünü duyurdu.
Pohoiki Springs, Intel'in şimdiye kadar geliştirdiği en büyük nöromorfik bilgi işlem sistemi olan bir veri merkezi raf sistemidir. 768 Loihi nöromorfik araştırma yongasını 5 standart sunucu boyutundaki bir kasaya entegre eder.
Intel araştırmacıları, günümüzün en gelişmiş geleneksel bilgisayarlarıyla karşılaştırıldığında, nöromorfik sistemlerin süper paralellik ve eşzamansız sinyal iletim özelliklerine sahip olduğuna ve bunun da performansı önemli ölçüde artırırken güç tüketimini önemli ölçüde azaltabileceğine inanıyor.
Şekil Pohoiki Springs (Kaynak: Intel)
Intel'in Neuromorphic Computing Lab yöneticisi Mike Davies şunları söyledi: "Pohoiki Springs, Loihi nöromorfik araştırma çipimizi 500 watt'ın altında çalışırken 750 kattan fazla genişletti. Şu anda, bazı iş yükleri geleneksel mimaride (yüksek Performans bilgi işlem sistemi). Pohoiki Springs sistemi, araştırma ortaklarımızın bu iş yüklerini hızlandırmanın yollarını keşfetmelerine olanak tanıyor. "Intel, 2018'de kurulan Intel Neuromorphic Research Community (INRC) üyelerine bilgi sağlayacak Daha büyük ölçekli ve daha karmaşık sorunları çözmek için nöromorfik çalışmasını genişletmek için bu bulut tabanlı sistemi sağlayın.
Bu sabah DeepTech dahil medyaya verdiği röportajda Mike Davies, Pohoiki Springs'in değerini doğrudan oynayabileceği yönün NP Complete ve NP Hard gibi bazı çok zor hesaplama problemlerini içereceğini söyledi.
"Bu sorunlar, gelecekteki görevlerin ve kararların nasıl planlanacağı, fiziksel yörüngelerin nasıl planlanacağı vb. Gibi beynimizin genellikle düşündüğü ve çözdüğü sorunlara benzer. Hepsi çok iyi tanımlanmış hesaplama problemleri olarak kabul edilebilir.
Yeni mimari ve Pohoiki Springs için, büyük ölçekli ve yüksek verimliliği destekleyen bir bilgi işlem görevi sınıfı olduğuna inanıyoruz. Bu görevleri yerine getirirken, yeni mimarimiz, geleneksel çözümlerin paralel hesaplamada doğal avantajlara sahip olmasından dolayı, üretim açısından geleneksel çözümleri mutlaka aşmayacaktır.Ancak, yeni mimarinin avantajlarının gecikmeyi azaltmasını ve ayrıca Enerji tüketimi avantajları vardır. Aynı çözüm için nöromorfik mimarinin geleneksel mimarinin enerji tüketiminin birkaç bin katını tükettiğine inanıyoruz. Enerji tasarrufu işletme giderlerinin azaltılmasına da yansıyabilir, bu nedenle enerji tüketimi avantajlarına sahip olmak da çok önemli dedi.
Şekil Mike Davies (Kaynak: Intel)
Intel'in nöromorfik donanımına giden yolu yeniden oynamak
Nöromorfik Hesaplama, donanım geliştirme, yazılım desteği ve biyolojik modellerin entegrasyonuyla oluşan eski bir alandır.Makinelerin biyonik prensibine dayalı insan benzeri zekaya sahip olmasını hedefler.
Düşük güç tüketimi, yüksek hata toleransı, yaratıcılık ... İnsan beyni, makineler tarafından kovalanmaya değer çok fazla yeteneğe sahiptir, bu nedenle birçok bilgisayar bilimcisinin özlem duyduğu bir varlıktır. Vücut kütlesinin yalnızca% 3'ünü oluşturan bir organ olan insan beyninde, 100 milyar nöron 1.000 trilyon sinaps ile bağlantılıdır. Nöronlar her saniye yaşlanıp ölürken ve "emekli olurken", hala çalışabilir ve dünyanın üflediği büyük miktarda bilgiyi hesaplayabilirler. Güç tüketimi yalnızca 20 watt'tır.
1980 yılında insanlık ilk olarak nöromorfik hesaplamayı açtı. Çok Büyük Ölçekli Tümleşik Devreler (VLSI) ve efsanevi Kaliforniya Teknoloji Enstitüsü'nün mucitlerinden biri olan Carver Mead, bir makale yayınladı.IEEE Proceeding'de Neuromorphic Electronics Systems, ilk kez nöromorfik kavramı önerdi ve biyolojik retinanın dış pleksiform tabakasını taklit etmek için CMOS analog devrelerin kullanımını öngördü , Biyolojik hesaplama özelliklerine sahip bir sistem oluşturun.
Orijinal nöromorfik çip temelde insan beyninin tersine mühendisliği için mevcuttu, yani biyolojik anatomi, algoritma ve model ekipleri için bir donanım doğrulama platformu.
Bununla birlikte, nöromorfik hesaplamanın gelişmesiyle birlikte, bilgi işlem ve depolamayı son derece entegre eden geleneksel bilgi işlem mimarisinden tamamen farklı olan bu teknoloji, daha büyük potansiyel göstermektedir. Sadece akademik kurumlar değil, IBM ve Intel gibi büyük teknoloji şirketleri de bu alana katıldı.
Şekil Depolama ve bilgi işlemin entegrasyonunu vurgulayan nöromorfik çip mimarisi (Kaynak: Intel)
2017'de Intel Araştırma Enstitüsü'nün araştırma konusu olarak Intel, nöromorfik donanımın geliştirilmesinde bir adım öne çıkan Loihi kod adlı ilk kendi kendine öğrenen nöromorfik çipi geliştirdi.
Intelin Loihi nöromorfik yongası, eğitimi ve muhakemeyi tek bir yonga üzerinde birleştirir ve bilgi işlem ve depolama işlevlerinin entegrasyonunu gerçekleştirir: Tek bir yongadaki 128 küçük çekirdek, her biri birden çok "mantıksal sinir" i simüle eden 1.000 nöron donanım tasarım mimarisini içerir Meta ", birden çok öğrenme modunu destekleyen ve çeşitli farklı sinir ağı buluşları sağlayan ölçeklenebilir çip üzerinde öğrenme yetenekleri. Loihi adı aslında Hawaii'nin deniz tabanındaki sürekli patlayan aktif bir yanardağdan alınmıştır.Her patlama Hawaii adasının menzilini genişletecektir. Intel, sürekli kendi kendine öğrenme yoluyla daha güçlü yapay zeka sağlayabileceği umuduyla çip Loihi adını verdi. Akıllı yetenek.
Beynin çevreden gelen çeşitli geri bildirimlere dayanarak nasıl çalışacağını öğrendiğini simüle ettiği için Loihi, enerji açısından çok verimlidir.Zamana ve esnekliğe göre ayarlanabilen darbeleri kullanarak hesaplamak için yeni bir "eşzamansız darbe" yöntemi kullanır. Sinaps. Verilere göre, yapay zeka sistemlerini eğitmek için genel amaçlı bilgi işlem yongaları ile karşılaştırıldığında, Loihi yongalarının enerji verimliliği 1.000 kat arttı.
Şekil Loihi'nin diğer iki bilgi işlem sistemi
Yeni bilgi işlem ürünlerinde ekolojik yapı da önemli bir konudur. Bu nedenle, 2018'de, nöromorfik algoritmaların, yazılımların ve uygulamaların geliştirilmesini daha da teşvik etmeyi umarak Intel Nöromorfik Araştırma Topluluğu (INRC) kuruldu.
Intel, 2019 yılına kadar 64 Loihi araştırma çipi içeren ve 8 milyon nörona sahip olan ve daha büyük bilgi işlem ölçeği ve daha güçlü bilgi işlem gücü sağlayan Pohoiki Beach'i piyasaya sürdü. Pohoiki Plajı artık araştırmacılar tarafından kullanılabilir. Pohoiki Beach aracılığıyla araştırmacılar, deneyler yapmak için Intel'in Loihi araştırma çipini kullanabilirler. Seyrek kodlama, grafik arama, eşzamanlı konumlandırma ve haritalama (SLAM), yol planlama ve kısıtlama tatmin sorunları gibi profesyonel uygulamalarda Loihi, kullanıcıların bilgileri bir CPU'dan bin kat daha hızlı ve bir CPU'dan on binlerce kat daha hızlı işlemesine olanak tanır.
Pohoiki Beach, Intel'in nöromorfik araştırma çalışmasında önemli bir kilometre taşıdır ve Intel Research'ün mimariyi 100 milyon nörona genişletme planının temelini atmıştır.
Bu güne kadar, bu plan nihayet gerçekleşti, Intel resmi olarak "Pohoiki Springs" Loihi sistemini başlattı.
Şekil Sadece birkaç gün önce, Loihi tabanlı makine koku alma sistemi de Nature Machine Intelligence'a girdi (Kaynak: Intel)
Intel ve INRC araştırmacıları, Loihi'nin el hareketlerini gerçek zamanlı tanıma, Braille okumak için yeni yapay deri kullanma, yönü belirlemek için öğrenilmiş görsel işaretler kullanma ve yeni koku kalıpları öğrenme gibi çeşitli yeteneklerini gösteriyor. Tüm bu işlevler yalnızca onlarca miliwatt elektrik enerjisi gerektirir. Şimdiye kadar, bu küçük ölçekli örnekler mükemmel ölçeklenebilirlik gösterdi ve Intel, Loihi'nin daha büyük ölçekli sorunları çalıştırırken geleneksel çözümlerden daha hızlı ve daha verimli olduğuna inanıyor. Bu, doğadaki böcek beyinlerinden insan beynine kadar ölçeklenebilirliği taklit eder.
Intel'e göre, şu anda Loihi için geliştirilmekte olan gelecek vaat eden ve oldukça ölçeklenebilir algoritmaların örnekleri şunları içerir:
- Kısıt memnuniyeti: Kısıtlama memnuniyeti sorunları, Sudoku oyunlarından uçuş planlamasına ve teslimat planlamasına kadar gerçek dünyanın her yerindedir. Bu, belirli kısıtlamaları karşılayabilecek bir veya birkaç çözüm bulmak için çok sayıda potansiyel çözümün değerlendirilmesini gerektirir. Loihi, çok sayıda farklı çözümü paralel olarak yüksek hızda keşfederek bu tür sorunların çözümünü hızlandırabilir.
- Grafikler ve desenler arama: İnsanlar her gün en iyi yolu ve sürüş yönlerini alma veya yüzleri tanımlama gibi yakından eşleşen modelleri bulmak için grafik tabanlı veri yapılarında arama yapar. Loihi, grafikteki en kısa yolu hızlı bir şekilde belirleme ve yaklaşık görüntü aramaları yapma yeteneğini göstermiştir.
- Optimizasyon problemi: Nöromorfik mimari, dinamik davranışı zaman içinde belirli hedefler için matematiksel olarak optimize edilebilecek şekilde programlanabilir. Bu davranış, bir kablosuz iletişim kanalının bant genişliğini en üst düzeye çıkarmak veya bir hedef getiri oranı altında riski en aza indirmek için hisse senedi portföylerini tahsis etmek gibi gerçek dünya senaryolarındaki optimizasyon sorunlarını çözmek için uygulanabilir.
Önceki ürünlere benzer şekilde Pohoiki Springs'in yine de bilimsel araştırma amaçlarını vurgulayan bir ürün olacağını görmek zor değil.
(Kaynak: Intel)
Yarı iletken gazileri için yeni bilgi işlem ortamı şekilleniyor
Intelin Pohoiki Springs ve diğer nöromorfik sistemlerinin hala araştırma aşamasında olduğu anlaşılmaktadır. Tasarım amaçları geleneksel hesaplama sistemlerini değiştirmek değil, araştırmacılara gerçek zamanlı işleme ve problem çözme için yeni nöral sezgisel algoritmalar geliştirmek ve karakterize etmek için bir araç sağlamaktır. Çöz, uyarla ve öğren.
Öyleyse, ticari bir şirket olarak, Intel'in nöromorfik bilgi işlem üzerine bahse girmesi için en büyük itici güç nedir?
Intel'in resmi web sitesinde, nöromorfik bilgi işlem "Yeni Nesil Yapay Zeka" olarak tanımlanıyor.
Intel için, yapay zeka çağının ortaya çıkmasıyla birlikte, bu yarı iletken emektarı da "veri merkezli" bir dönüşüm geçiriyor ve veri değişiklikleri her zaman odak noktası oldu. Son 20 yılda veriler çok büyük değişikliklere uğradı Hesaplama için kullanılan veriler söz konusu olduğunda, insanlar üzerinde daha büyük ölçekli akıllı işlemler de yapacaklar. Bu süreçte, veri ve hesaplama arasındaki teknolojik evrim mantığı da değişiyor.
Intel Çin Araştırma Enstitüsü Dekanı Song Jiqiang, daha önce bir medya etkinliğinde tanıtıldığı gibi, insanlar çoğunlukla ses verileri, video verileri ve resim verileri gibi veriler üzerinde multimedya hesaplamaları kullanıyordu, yani yalnızca düzenleme ve sıkıştırma ve tanıma yok. Ve anlayış. Ancak daha sonra, insanlar bu verileri akıllıca işlemeye başladı; aynı zamanda verilerin kaynağı ve akışı da değişti ve büyük miktarda veri terminalden buluta taşınmaya başladı; yeni akıllı çağda, daha iyi işlemek için Veriler, birçok yapay zeka algoritması doğdu, bu algoritma modellerinin parametreleri var, yani verinin üstündeki veriler, yani kaynak veriler doğdu, miktarı milyonlarca olabilir.
İster veri işleme olsun, ister bilgi işlem verimliliğini artırmak ve iletim ve depolamayı iyileştirmek olsun, yeni gereksinimler ve yeni optimizasyonlar ortaya çıktı. Intel, giderek çeşitlenen veri pazarı ve bilgi işlem pazarındaki avantajlarına devam etmeyi umuyor ve daha bol yapay zeka hesaplamasıyla donatılması gerekiyor Donanım kombinasyonu.
Şu anda bu şirket, VPU, FPGA, CPU, GPU, NNP'den AI'ya özel yongalara kadar çeşitli ürünleri piyasaya sürdü, ayrıca yazılım geliştirme teknolojisini, ambalajlamayı, test teknolojisini vb. Destekliyor, ancak yine de takviye için daha ileri düzene ihtiyacı var. Bu, yeni bir bilgisayar ortamını çizen sözde "geleceğe yönelik bilgi işlem" dir.
Şekil Intel Loihi Neural ni System Evolution Yol Haritası (Kaynak: Intel)
Bilgi işlem donanımının planlanmasında Intel'in bir yandan mevcut donanım mimarisinde atılımlar yapmaya devam ettiği, diğer bir önemli yönün ise çığır açan bilgi işlem teknolojisine bahis oynamak olduğu anlaşılıyor. Bunlara nöromorfik hesaplama ve kuantum hesaplama dahildir.
Loihi çevresindeki nöromorfik hesaplamaya ek olarak, Intelin kuantum hesaplama düzeni iki ana unsur içerir: Birincisi, düşük sıcaklıkta süperiletken kübitlerle kuantum hesaplamayı başarmaktır. Bu, endüstrinin ana akım yönü ile tutarlıdır. Intelin ilerlemesi geliştirme aşamasındadır. 49 süper iletken kübit test çipi ve hata toleransını, hata düzeltme yeteneğini ve bağlanabilirliğini test edin.
Diğer içerik, Intel tarafından geleneksel yarı iletken alanında geliştirilen ve kuantum durumunu ifade etmek için silikon elektron spini kullanan silikon işleme teknolojisi ve test teknolojisine dayanmaktadır. Bu doğrultuda Intelin 300 mm, 12 inçlik gofret üretim hattının halihazırda buna karşılık gelen üretim kapasitesine sahip olduğu, iki kübit yonganın test edildiği ve şirketin büyük ölçekli üretime yatırımını artırdığı anlaşılıyor.
Şekil Intel'in kuantum bilişim evrimi yol haritası (Kaynak: DeepTech)
Bununla birlikte, nöromorfik hesaplamanın planlanmasında, IBM ve Intel gibi büyük şirketler gerçek ticari ürünleri piyasaya sürmek için acele etmiyorlar. Yurtiçinde ve yurtdışında olmasına rağmen, birkaç yeni şirket nöromorfik bilgi işlemin ticarileştirilme sürecini başlatıyor. Örneğin, geçen yıl Nature'a katılan Tsinghua "Tianji" yonga ekibinden çıkan Lingxi Technology ve Zürih Üniversitesi ve Zürih ETH Nöroinformatik Enstitüsü tarafından desteklenen Avrupa'dan ai-CTX.
Buna yanıt olarak Mike Davies, DeepTechin sorularına yanıt olarak şunları söyledi: "Intel için ticarileştirmenin zorluğu, sistemin etkin bir şekilde çözebileceği çok sayıda sorunu bulmamız gerektiğidir. Son derece uzmanlaşmış nokta çözümlerinin ticarileştirilmesi ile ilgilenmiyoruz. Yapay koku, bomba veya toksik kimyasal madde / koku algılama vb. Gibi iyi çözebileceğimiz bazı sorunlar varmış gibi görünse bile ilgi. Ancak bunların tümü son derece özelleştirilmiş çözümler gerektirir ve çipin de belirli bir görev için özelleştirilmesi gerekir.
En çok, geleneksel von Neumann mimarisine benzer şekilde yaygın olarak kullanılabilen, ancak çeşitli hesaplama algoritmalarını ve uygulamalarını daha verimli bir şekilde çözebilen yeni bir mimari bulmakla ilgileniyoruz. Elbette bazı durumlarda von Neumann mimarisi bizden daha hızlı olacak, ancak daha fazla işlem türünü desteklemeyi umuyoruz. Benzer araştırma ve geliştirme yapan, belirli bir görev veya görev türü için benzersiz çözümler geliştiren başka küçük şirketler olabilir, bu da onların daha erken ürün üretmelerine olanak sağlayabilir. Ancak kendimiz için ürünün mevcut olması birkaç yıl sürecektir. "
Dediği gibi, eski bir bilimsel kavram olmasına rağmen, nöromorfik hesaplama hala gelişmekte olan bir teknoloji alanıdır ve son yıllara kadar daha pratik değeri gösterilmemiştir.
Dahası, alan hala sinirbilimciler ve makine öğrenimi araştırmacılarının hakimiyetindedir ve çok sayıda yazılım geliştiricisi ve mühendisi tarafından iyi bilinmemektedir. Bu bilgi işlem sistemlerini gerçek operasyonlara sokmak, geliştiricilerin düşünce tarzlarını değiştirmelerini de gerektirecektir Sonuçta, geleneksel depolama-hesaplama ayrımı von Neumann mimarisi, yaklaşık 70 yıldır bilgi işlem işlemlerine hakim olmuştur.
