Intel udvikler verdens største neuromorfe system til økovenlige AI-fremstød

Intel (INTC ) har nyligt annonceret oprettelsen af Hala Point, verdens største neuromorfe system, som markerer et betydeligt skridt mod mere bæredygtig og effektiv kunstig intelligens. Udrullet initialt på Sandia National Laboratories, anvender Hala Point Intels avancerede Loihi 2-processor og bygger på succesen fra dens forgænger, Pohoiki Springs, ved at tilbyde betydelige forbedringer i arkitekturen. Denne forbedring øger neuronkapaciteten med mere end ti gange og ydeevnen med op til tolv gange.

“Den nuværende beregningsomkostning for AI-modellerne stiger i en uholdbar takt. Branchen har brug for fundamentalt nye tilgange, der kan skaleres. Derfor udviklede vi Hala Point, som kombinerer dyb læring med nove hjernelærings- og optimeringsfunktioner. Vi håber, at forskningen med Hala Point vil fremme effektiviteten og tilpasningen af storstile AI-teknologi,” sagde Mike Davies, direktør for Neuromorphic Computing Lab på Intel Labs.

Hala Point adskiller sig ved at være det første storstile neuromorfe system, der kan demonstrere statens top-komputereffektivitet på mainstream AI-arbejdsbyrder. Det kan understøtte op til 20 kvadrillion operationer per sekund, eller 20 petaops, og tilbyder en hidtil uset effektivitet på over 15 billioner 8-bit operationer per sekund per watt (TOPS/W), når det udfører konventionelle dybe neurale netværk.

Forskere på Sandia National Laboratories vil bruge Hala Point til avanceret hjernelægningsforskning, med fokus på videnskabelige beregningsproblemer inden for forskellige domæner som enhedsfysik, computerarkitektur og informatik. “Arbejdet med Hala Point forbedrer vores Sandia-holds evne til at løse beregnings- og videnskabelige modellingsproblemer. At udføre forskning med et system af denne størrelse vil give os mulighed for at følge med AI’s udvikling inden for områder fra kommerciel til forsvar til grundlæggende videnskab,” udtalte Craig Vineyard, Hala Point-holdleder på Sandia National Laboratories.

mens Hala Point stadig er et forskningsprototype, forventer Intel, at dens erfaringer vil forbedre fremtidige kommercielle systemers funktioner betydeligt, navnlig ved at aktivere store sprogmodeller til at lære kontinuerligt fra nye data og reducere træningsbyrden for AI-udrulninger.

Drivkraften bag stadig større dyb læring-modeller har afsløret betydelige bæredygtighedsudfordringer inden for AI, hvilket kræver innovation på hardware-arkitekturens grundlæggende niveauer. Neuromorfe beregning, inspireret af neurovidenskab, integrerer hukommelse og beregning inden for et højt paralleliseret rammeværk for at minimere dataforskydning. Denne tilgang har vist bemærkelsesværdige gevinst i effektivitet, hastighed og tilpasning, som Loihi 2’s præstation på denne måneds Internationale Konference om Akustik, Tale og Signalbehandling (ICASSP) har vist.

Hala Point integrerer 1.152 Loihi 2-processorer og understøtter op til 1,15 milliarder neuroner og 128 milliarder synapser, fordelt over 140.544 neuromorfe processorkerner, inden for en seks-rack-enhed datacenter-chassis. Dets massivt paralleliserede stof tilbyder betydelig hukommelsesbåndbredde og kommunikationshastighed, hvilket giver en solid grund for bio-inspirerede spikende neurale netværksmodeller.

Intels fortsatte udvikling af neuromorfe systemer som Hala Point har til formål at løse strøm- og latency-begrænsninger, der i øjeblikket begrænser den virkelige udrulning af AI. Med den fortsatte samarbejde mellem Intel Neuromorphic Research Community (INRC) er Intel engageret i at fremme denne hjernelæringsinspirerede teknologi fra forskningsprototyper til kommercielle produkter.