I nuovi chip neuromorfici di Intel sono 1.000 volte più veloci dei normali CPU

Il nuovo sistema di Intel, codenominato Pohoiki Beach, sarà presente al Consumer Electronics Show (CES) di Las Vegas. Il dispositivo è costruito con 64 chip di ricerca Loihi e l’obiettivo è quello di simulare la capacità di apprendimento e l’efficienza energetica del cervello umano. Questi chip neuromorfici sono una versione semplificata del modo in cui i neuroni e le sinapsi funzionano nel cervello.

Rich Uhlig, direttore generale di Intel Labs, ha parlato della nuova tecnologia.

“Siamo impressionati dai primi risultati dimostrati mentre scaliamo Loihi per creare sistemi neuromorfici più potenti. Pohoiki Beach sarà ora disponibile per più di 60 partner dell’ecosistema, che utilizzeranno questo sistema specializzato per risolvere problemi complessi e intensivi in termini di calcolo.”

Il nuovo chip neuromorfico AI può eseguire attività di elaborazione dei dati 1.000 volte più veloce dei normali processori come CPU e GPU, utilizzando molto meno potenza.

Il fatto che si basi sui neuroni del cervello non è qualcosa di completamente nuovo. Molti algoritmi di intelligenza artificiale simulano reti neurali nei loro programmi. Utilizzano l’elaborazione parallela per riconoscere oggetti in immagini e parole nel discorso. I nuovi chip neuromorfici mettono queste reti neurali nel silicio. Sebbene siano meno flessibili e potenti di alcuni dei migliori chip a scopo generale, si eseguono realmente quando specializzati in compiti specifici. Il nuovo chip AI di Intel è 10.000 volte più efficiente dei processori generali. Dal momento che sono così efficienti in termini di energia, la tecnologia sarà ideale per dispositivi mobili, veicoli, attrezzature industriali, sicurezza informatica e case intelligenti. I ricercatori di intelligenza artificiale hanno già iniziato a utilizzare il sistema per cose come il miglioramento delle protesi in modo che possano adattarsi meglio a terreni irregolari, nonché la creazione di mappe digitali da utilizzare per auto a guida autonoma.

Chris Eliasmith, co-CEO di Applied Brain Research e professore all’Università di Waterloo, è uno dei ricercatori che utilizzano la nuova tecnologia.

“Con il chip Loihi, siamo stati in grado di dimostrare un consumo di energia 109 volte inferiore nell’esecuzione di un benchmark di apprendimento profondo in tempo reale rispetto a una GPU, e 5 volte inferiore rispetto a hardware di interfaccia IoT specializzato… Anche meglio, mentre scaliamo la rete di 50 volte, Loihi mantiene i risultati delle prestazioni in tempo reale e utilizza solo il 30 percento di potenza in più, mentre il hardware IoT utilizza il 500 percento di potenza in più e non è più in tempo reale”, ha detto Chris Eliasmith.

Konstantinos Michmizos è un professore dell’Università di Rutgers, e il suo laboratorio lavora con SLAM che sarà presentato alla Conferenza internazionale su robot intelligenti e sistemi (IROS) nel mese di novembre.

“Loihi ci ha permesso di realizzare una rete neurale a impulsi che imita le rappresentazioni neurali e il comportamento sottostante del cervello. La soluzione SLAM è emersa come proprietà della struttura della rete. Abbiamo testato la rete eseguita su Loihi e l’abbiamo trovata altrettanto precisa mentre consumava 100 volte meno energia di un metodo SLAM CPU-run ampiamente utilizzato per robot mobili”, ha detto.

Al momento, Pohoiki Beach è un sistema di 8 milioni di neuroni. Rich Uhlig, capo di Intel Labs, pensa che la società sarà in grado di creare un sistema in grado di simulare 100 milioni di neuroni entro la fine del 2019. Questa nuova tecnologia potrà essere utilizzata dai ricercatori per una vasta gamma di cose, come il miglioramento dei bracci dei robot. Questi nuovi sviluppi e ricerche stanno portando a ciò che probabilmente sarà la commercializzazione della tecnologia neuromorfica.

Secondo l’azienda, “Più tardi quest’anno, Intel introdurrà un sistema Loihi ancora più grande denominato Pohoiki Springs, che si baserà sull’architettura di Pohoiki Beach per offrire un livello di prestazioni e efficienza senza precedenti per carichi di lavoro neuromorfici su larga scala.”