בינה מלאכותית
פרויקט המוח האנושי, אינטל עובדות יחד כדי לקדם את הטכנולוגיה הנוירומורפית
צוות חוקרים במכון פרויקט מוח אנושי (HBP) עובדים עם אינטל כדי לקדם טכנולוגיה נוירומורפית ולקרב את הבינה המלאכותית ליעילות האנרגטית של המוח האנושי. טכנולוגיה נוירומורפית יעילה יותר באנרגיה עבור רשתות למידה עמוקות גדולות בהשוואה למערכות AI אחרות.
חוקרים ב-HBP ואינטל ביצעו קבוצת ניסויים שהדגימו את היעילות הזו. הניסויים כללו שבב חדש של אינטל המסתמך על נוירונים הדומים לאלו שבמוח האנושי. זו הייתה הפעם הראשונה שהוכחו תוצאות כאלה.
המחקר פורסם ב- מודיעין מכונת הטבע.
שבבי Loihi של אינטל
הקבוצה התמקדה באלגוריתמים שעובדים עם תהליכים זמניים, והמערכת הייתה צריכה לענות על שאלות על סיפור שסופר בעבר תוך הבנת היחסים בין אובייקטים או אנשים מההקשר. החומרה כללה 32 שבבי Loihi, שהם שבבי המחקר הנוירונים של אינטל.
פיליפ פלאנק הוא דוקטורנט במכון למדעי המחשב התיאורטי של TU גראץ ועובד באינטל.
"המערכת שלנו חסכונית כאן פי שניים עד שלושה מדגמי AI אחרים", אומר פלאנק.
Plank מאמין שככל שדור ה-Loihi החדש יוצג, יהיו לו יותר שיפורי יעילות וישפר את התקשורת עתירת האנרגיה שבב-שבב. מדידות הראו שהצריכה הייתה יעילה פי 1000 מאחר שלא היו פוטנציאל פעולה נדרש שצריך לשלוח הלוך ושוב בין השבבים.
הקבוצה שיחזרה שיטה משוערת של המוח האנושי.
וולפגנג מאס הוא מנחה הדוקטורט של פיליפ פלאנק ופרופסור אמריטוס במכון למדעי המחשב התיאורטיים.
"מחקרים ניסיוניים הראו שהמוח האנושי יכול לאחסן מידע לפרק זמן קצר גם ללא פעילות נוירונית, כלומר במה שנקרא 'משתנים פנימיים' של נוירונים", אומר מאאס. "הדמיות מצביעות על כך שמנגנון עייפות של תת-קבוצה של נוירונים חיוני לזיכרון לטווח קצר זה."
קישור רשתות למידה עמוקה
כדי להשיג זאת, החוקרים מקשרים בין שני סוגים של רשתות למידה עמוקה. רשתות הנוירונים המשוב אחראיות על "זיכרון לטווח קצר", והמודולים החוזרים מסננים מידע רלוונטי אפשרי מאותות הקלט ומאחסנים אותו. רשת הזנה קדימה קובעת אילו מהקשרים שנמצאו חשובים לפתרון המשימה הנוכחית. מערכות יחסים חסרות משמעות מסוננות החוצה, והנוירונים יורים רק באותם מודולים שבהם נמצא מידע רלוונטי. כל התהליך הזה הוא מה שמוביל לחיסכון דרמטי באנרגיה.
סטיב פורבר הוא מנהיג חטיבת המחשוב הנוירומורפי HBP ופרופסור להנדסת מחשבים באוניברסיטת מנצ'סטר.
"התקדמות זו מקרבת את ההבטחה של AI מבוסס-אירועים חסכוני באנרגיה על פלטפורמות נוירומורפיות צעד חשוב לקראת מימוש. המנגנון החדש מתאים היטב למערכות מחשוב נוירומורפיות כגון Intel Loihi ו-SpiNNaker המסוגלות לתמוך במודלים של נוירונים מרובי תאים", אמר פורבר.
