Intels nye neuromorfiske chips er 1.000 gange hurtigere end normale CPU’er

Intels nye system med kodenavnet Pohoiki Beach vil være til Consumer Electronics Show (CES) i Las Vegas. Enheden er bygget af 64 Loihi-forskningschips, og målet er, at den skal simulere den menneskelige hjerne, når det kommer til lærings_evne og energi_effektivitet. Disse neuromorfiske chips er en simplere version af, hvordan neuroner og synapser fungerer i hjernen.

Rich Uhlig, direktør for Intel (INTC ) Labs, talte om den nye teknologi.

“Vi er imponerede over de tidlige resultater, der er demonstreret, mens vi skalerer Loihi op for at skabe mere kraftfulde neuromorfiske systemer. Pohoiki Beach vil nu være tilgængelig for mere end 60 økosystempartnere, som vil bruge dette specialiserede system til at løse komplekse, beregningsintensive problemer.”

Den nye AI-neuromorfiske chip kan udføre data-knusende opgaver 1.000 gange hurtigere end normale processorer som CPU’er og GPU’er, mens den bruger langt mindre strøm.

Måden, det er baseret på hjernens neuroner, er ikke noget helt nyt. Mange AI-algoritmer simulerer neurale netværk i deres programmer. De bruger parallel procesning til at genkende objekter i billeder og ord i tale. De nye neuromorfiske chips sætter disse neurale netværk ind i silicium. Mens de er mindre fleksible og kraftfulde end nogle af de bedste generelle chips, udfører de rigtig godt, når de er specialiseret i bestemte opgaver. Den nye AI-chip fra Intel er 10.000 gange mere effektiv end generelle processorer. Da de er så energi-effektive, vil teknologien være ideel til mobile enheder, køretøjer, industriudstyr, cybersikkerhed og smarte hjem. AI-forskere har allerede begyndt at bruge systemet til ting som forbedring af proteser, så de kan tilpasse sig bedre til ujævnt terræn, samt oprette digitale kort, der kan bruges af selv kørende biler.

Chris Eliasmith, co-direktør for Applied Brain Research og professor ved University of Waterloo, er en af de flere forskere, der bruger den nye teknologi.

“Med Loihi-chippen har vi kunnet demonstrere 109 gange lavere strømforbrug ved at køre en rigtig tid dyb læring benchmark sammenlignet med en GPU, og 5 gange lavere strømforbrug sammenlignet med specialiseret IoT-grænseflade-hardware… Endnu bedre, når vi skalerer netværket op med 50 gange, opretholder Loihi rigtig tid-prestationsresultater og bruger kun 30 procent mere strøm, hvorimod IoT-hardwaren bruger 500 procent mere strøm og ikke er i rigtig tid,” sagde Chris Eliasmith.

Konstantinos Michmizos er professor ved Rutgers University, og hans laboratorium arbejder med SLAM, som vil blive præsenteret på den Internationale Konference om Intelligente Robotter og Systemer (IROS) i november.

“Loihi gjorde det muligt for os at realisere et spikende neuralt netværk, der efterligner hjernens underliggende neurale repræsentationer og adfærd. SLAM-løsningen opstod som en egenskab af netværkets struktur. Vi testede Loihi-kørslen og fandt, at den var lige så nøjagtig, mens den brugte 100 gange mindre energi end en almindelig CPU-kørsel SLAM-metode til mobile robotter,” sagde han.

For øjeblikket er Pohoiki Beach et system med 8 millioner neuroner. Rich Uhlig, chef for Intel Labs, mener, at virksomheden vil være i stand til at skabe et system, der kan simulere 100 millioner neuroner ved udgangen af 2019. Denne nye teknologi vil kunne bruges af forskere til en lang række ting, såsom forbedring af robotarme. Disse nye udviklinger og forskning fører til, hvad der sandsynligvis vil være kommercieliseringen af neuromorfisk teknologi.

Ifølge virksomheden “vil Intel senere i år introducere et endnu større Loihi-system med navnet Pohoiki Springs, som vil bygge på Pohoiki Beach-arkitekturen for at levere en hidtil uset niveau af ydelse og effektivitet til skaleret neuromorfiske arbejdsmængder.”