Intel udvikler verdens største neuromorfe system til økovenlige AI-fremgang

Intel 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 sin forgænger, Pohoiki Springs, ved at tilbyde betydelige forbedringer i arkitektur. Denne forbedring øger neurontætheden med mere end ti gange og ydeevnen med op til tolv gange.

“Omregningsomkostningerne for i dag’s AI-modeller stiger i uholdbare takter. Branchen har brug for fundamentalt nye tilgange, der kan skala. Derfor udviklede vi Hala Point, som kombinerer deep learning-effektivitet med ny brain-inspireret læring og optimeringsfunktioner. Vi håber, at forskning med Hala Point vil fremme effektiviteten og tilpasningen af storskala AI-teknologi,” sagde Mike Davies, direktør for Neuromorphic Computing Lab på Intel Labs.

Hala Point adskiller sig ved at være det første storskala neuromorfe system, der kan demonstrere state-of-the-art beregnings-effektivitet 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 anvende Hala Point til avanceret hjerneskala-computing-forskning, med fokus på videnskabelige beregningsproblemer på tværs af forskellige domæner som f.eks. enhedsfysik, computerarkitektur og informatik. “Arbejdet med Hala Point forbedrer vores Sandia-holds evne til at løse beregnings- og videnskabelige modellingsproblemer. Gennemførelse af forskning med et system af denne størrelse vil give os mulighed for at følge med AI’s udvikling inden for områder som kommerciel, forsvar og grundlæggende videnskab,” udtalte Craig Vineyard, Hala Point-holdleder på Sandia National Laboratories.

Selvom Hala Point forbliver et forskningsprototype, forestiller Intel, at dens erfaringer vil betydeligt forbedre fremtidige kommercielle systems evner, navnlig ved at aktivere store sprogmodeller til at lære kontinuerligt fra nye data og reducere træningsbyrden for AI-udrulninger.

Kravet om stadig større dybe læringsmodeller har afsløret betydelige bæredygtighedsudfordringer inden for AI, hvilket kræver innovation på de grundlæggende niveauer af hardware-arkitektur. Neuromorf computing, inspireret af neurovidenskab, integrerer hukommelse og beregning inden for et højt paralleliseret rammeværk for at minimere dataflytning. Denne tilgang har demonstreret bemærkelsesværdige gevinster i effektivitet, hastighed og tilpasning, som bevises af Loihi 2’s præstation på denne måneds International Conference on Acoustics, Speech, and Signal Processing (ICASSP).

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 spiking neurale netværksmodeller.

Intels fortsatte udvikling af neuromorfe systemer som Hala Point sigter mod 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 tilknyttet til at fremme denne brain-inspirerede teknologi fra forskningsprototyper til kommercielle produkter.