Процессор ведет себя так, как человеческий мозг

Нейроморфный процессор — самый перспективный искусственный синапс на сегодняшний день.

нейроморфный процессор
Нейроморфный процессор

Для работников в области передового искусственного интеллекта, получение компьютера, процессор которого имитирует работу мозговой деятельности человека, является гигантской задачей, но для начала проще будет заменить старую бинарную вычислительную систему компьютеров на новые с нейроморфными вычислениями, где работа аппаратного обеспечения больше похоже на работу человеческого мозга.

Инженеры MIT преодолели значительное препятствие – создав процессор с искусственными синапсами – пишет журнал Nature Materials.

На данный момент мозг человеа намного мощнее, чем любой компьютер — в нем содержится приблизительно 80 миллиардов нейронов и более 100 триллионов синапсов, соединяющих нейроны и контролирующих прохождение сигналов между ними.

Как сейчас работают компьютерные процессоры, передавая сигналы на языке, называемом двоичным? Каждый фрагмент информации кодируется в числах 1 и 0 или сигналы включения / выключения. Чтобы сравнить бинарную вычислительную мощь с работой человеческого мозга, в 2013 году один из самых мощных суперкомпьютеров в мире провел стимуляцию мозговой деятельности, добившись лишь незначительного результата. Компьютер Kik Riken использовал 82 944 процессора и петабайт основной памяти, это эквивалент примерно 250 000 настольных компьютеров того времени. Потребовалось 40 минут, чтобы смоделировать одну секунду активности 1,73 миллиарда нейронов, связанных 10,4 триллионами синапсов, а это всего лишь 1% деятельности человеческого мозга.

Kik Riken
Компьютер Kik Riken.

Но если бы процессор использовал синапсоподобные соединения, сигналы, используемые компьютером, могли быть гораздо более разнообразными, что позволяло бы синапсоподобное обучение. Синапсы служат связывающим звеном между сигналами, передаваемые через мозг, и в зависимости от количества и типа ионов активируют нейроны. Это помогает мозгу распознавать закономерности, запоминать факты и выполнять задачи.

Стимулировать это оказалось непросто, но исследователи из Массачусетского технологического института разработали процессор с искусственными синапсами из кремниевого германия, которые позволяют точно контролировать прочность электрического тока, протекающего вдоль них, точно так же, как поток ионов между нейронами. В симуляции он использовался для распознавания образцов почерка с точностью до 95%. Предыдущие конструкции для нейроморфных процессоров использовали два проводящих слоя, разделенных аморфной «коммутационной средой», чтобы действовать подобно синапсам. При включении ионы протекают через среду, создавая проводящие нити, имитирующие синаптический вес, или силу или слабость сигнала между двумя нейронами. Проблема с этим подходом заключается в том, что без определенных структур для перемещения сигналы имеют бесконечное количество путей — и это может сделать производительность процессоров непоследовательной и непредсказуемой.

«Как только вы примените некоторое напряжение, чтобы представить некоторые данные с помощью своего искусственного нейрона, вам нужно стереть и уметь записывать его снова точно так же», — сказал ведущий исследователь Jeehwan Kim.

«Но в аморфном твердом теле, когда вы пишете снова, ионы идут в разных направлениях, потому что есть много дефектов. Этот поток меняется, и его трудно контролировать. Это самая большая проблема — неравномерность искусственного синапса».

Имея это в виду, команда создала решетки кремниевого германия с одномерными каналами, через которые могут течь ионы. Это гарантирует, что каждый раз используется один и тот же путь. Затем эти решетки использовались для создания нейроморфного процессора; при приложении напряжения все синапсы на процессоре показали тот же ток с изменением всего на 4 процента. Был также протестирован один синапс с наложением 700 раз. Его ток варьировался всего на 1 процент — максимально возможное устройство. Команда проверила процессор на фактической задаче, смоделировав его характеристики и используя те, у которых база данных MNIST, для образцов рукописного ввода, обычно используется для обучения программ обработки изображений. Их имитированная искусственная нейронная сеть, состоящая из трех нейронных листов, разделенных двумя слоями искусственных синапсов, смогла распознать десятки тысяч рукописных цифр с 95% точностью по сравнению с 97% точностью существующего программного обеспечения.

Следующим шагом является создание процессора, способного выполнять задачу распознавания рукописного ввода, с конечной целью создания портативных нейронных сетевых устройств.

«В конечном итоге мы хотим, чтобы чип размером с ноготь заменил один большой суперкомпьютер», — сказала Ким . «Это исследование открывает ступеньку для создания реального искусственного интеллектуального оборудования».

Добавить комментарий

Ваш e-mail не будет опубликован. Обязательные поля помечены *