Intel entwickelt größtes neuromorphes System für umweltfreundliche KI-Fortschritte

Intel hat kürzlich die Erstellung von Hala Point, dem weltweit größten neuromorphen System, angekündigt, was einen bedeutenden Schritt in Richtung nachhaltigerer und effizienterer künstlicher Intelligenz markiert. Zunächst bei Sandia National Laboratories eingesetzt, verwendet Hala Point Intels fortschrittlichen Loihi 2-Prozessor und baut auf dem Erfolg seines Vorgängers, Pohoiki Springs, auf, indem es wesentliche Architekturverbesserungen bietet. Diese Verbesserung erhöht die Neuronenkapazität um mehr als das Zehnfache und die Leistung um bis zu zwölf Mal.

“Die Rechenkosten heutiger KI-Modelle steigen mit untragbaren Raten. Die Branche benötigt grundlegend neue Ansätze, die skalieren können. Aus diesem Grund haben wir Hala Point entwickelt, das die Effizienz von Deep Learning mit neuen, vom Gehirn inspirierten Lern- und Optimierungsfähigkeiten kombiniert. Wir hoffen, dass die Forschung mit Hala Point die Effizienz und Anpassungsfähigkeit von groß angelegter KI-Technologie vorantreiben wird”, sagte Mike Davies, Leiter des Neuromorphen Rechenzentrums bei Intel Labs.

Hala Point unterscheidet sich dadurch, dass es das erste groß angelegte neuromorfe System ist, das staatliche Recheneffizienzen auf herkömmlichen KI-Arbeitslasten demonstrieren kann. Es kann bis zu 20 Billiarden Operationen pro Sekunde unterstützen, oder 20 Petaops, und bietet eine beispiellose Effizienz von über 15 Billionen 8-Bit-Operationen pro Sekunde pro Watt (TOPS/W) bei der Ausführung herkömmlicher tiefer neuronaler Netze.

Forscher bei Sandia National Laboratories werden Hala Point für fortschrittliche Hirnskala-Rechenforschung verwenden, wobei sie sich auf wissenschaftliche Rechenprobleme in verschiedenen Bereichen wie Gerätephysik, Computerarchitektur und Informatik konzentrieren. “Die Zusammenarbeit mit Hala Point verbessert die Fähigkeit unseres Sandia-Teams, Rechen- und wissenschaftliche Modellierungsprobleme zu lösen. Die Durchführung von Forschungen mit einem System dieser Größe ermöglicht es uns, mit der Evolution von KI in Bereichen von kommerzieller bis zur Verteidigung und zur Grundlagenforschung Schritt zu halten”, erklärte Craig Vineyard, Leiter des Hala Point-Teams bei Sandia National Laboratories.

Obwohl Hala Point noch ein Forschungsprototyp ist, geht Intel davon aus, dass die Erfahrungen, die mit diesem System gesammelt werden, die Fähigkeiten zukünftiger kommerzieller Systeme erheblich verbessern werden, insbesondere die Fähigkeit großer Sprachmodelle, kontinuierlich aus neuen Daten zu lernen und die Trainingsbelastung von KI-Einsätzen zu reduzieren.

Der Trend zu immer größeren Deep-Learning-Modellen hat erhebliche Nachhaltigkeitsprobleme innerhalb von KI aufgedeckt, was Innovationen auf den grundlegenden Ebenen der Hardware-Architektur erfordert. Neuromorphes Rechnen, das von der Neurowissenschaft inspiriert ist, integriert Speicher und Rechenleistung in einem hochgradig parallelen Rahmen, um die Datenbewegung zu minimieren. Dieser Ansatz hat bemerkenswerte Gewinne in Bezug auf Effizienz, Geschwindigkeit und Anpassungsfähigkeit gezeigt, wie die Leistung von Loihi 2 auf dieser Monatskonferenz zur Akustik, Sprach- und Signalverarbeitung (ICASSP) bewiesen hat.

Hala Point integriert 1.152 Loihi 2-Prozessoren und unterstützt bis zu 1,15 Milliarden Neuronen und 128 Milliarden Synapsen, die auf 140.544 neuromorphen Rechenkernen in einem sechs-Einheiten-Rechenzentrums-Chassis verteilt sind. Sein massiv paralleles Gewebe bietet erhebliche Speicherbandbreite und Kommunikationsgeschwindigkeiten und bietet eine robuste Grundlage für bio-inspirierte spiking neuronale Netzwerkmodelle.

Intels kontinuierliche Entwicklung von neuromorphen Systemen wie Hala Point zielt darauf ab, die Leistungs- und Latenzbeschränkungen anzugehen, die derzeit die Einsatzmöglichkeiten von KI in der realen Welt einschränken. Durch die fortgesetzte Zusammenarbeit der Intel Neuromorphic Research Community (INRC) ist Intel bestrebt, diese vom Gehirn inspirierte Technologie von Forschungsprototypen zu kommerziellen Produkten voranzutreiben.