Human Brain プロジェクトとインテルが協力してニューロモーフィック テクノロジーを推進

研究チーム 人間の脳プロジェクト (HBP) はインテルと協力してニューロモーフィック技術を進歩させ、AI を人間の脳のエネルギー効率に近づけています。 ニューロモーフィック テクノロジーは、他の AI システムと比較して、大規模な深層学習ネットワークのエネルギー効率が高くなります。 

HBP とインテルの研究者は、この効率を実証する一連の実験を実施しました。 この実験には、人間の脳にあるものと同様のニューロンに依存する新しいインテルチップが含まれていました。 このような結果が実証されたのは今回が初めてだった。 

この研究は ネイチャーマシンインテリジェンス。 

インテルのロイヒチップ

このグループは、時間的プロセスを処理するアルゴリズムに焦点を当て、システムはコンテキストから物体や人々の間の関係を理解し​​ながら、以前に語られたストーリーに関する質問に答える必要がありました。 ハードウェアは、Intel の神経研究チップである Loihi チップ 32 個で構成されていました。 

Phillip Plank は、グラーツ工科大学理論計算機科学研究所の博士課程の学生であり、インテルの従業員です。 

「ここでの私たちのシステムは、他の AI モデルより XNUMX ～ XNUMX 倍経済的です」とプランク氏は言います。 

Plank 氏は、新しい Loihi 世代が導入されると、効率がさらに向上し、エネルギーを大量に消費するチップ間通信が改善されると考えています。 測定の結果、チップ間で送受信する必要がなかった活動電位がなくなったため、消費効率が 1000 倍になったことがわかりました。 

同グループは、人間の脳の推定方法を再現した。 

Wolfgang Maass は、Philipp Plank の博士指導教員であり、理論コンピュータサイエンス研究所の名誉教授です。 

「実験研究により、人間の脳はニューロンの活動がなくても、つまりニューロンのいわゆる『内部変数』に情報を短期間保存できることがわかっています」とマース氏は言う。 「シミュレーションは、ニューロンのサブセットの疲労メカニズムがこの短期記憶に不可欠であることを示唆しています。」

深層学習ネットワークのリンク

これを実現するために、研究者らは XNUMX 種類の深層学習ネットワークをリンクしました。 フィードバック ニューロン ネットワークは「短期記憶」を担当し、リカレント モジュールは入力信号から関連する可能性のある情報をフィルターで取り除き、それを保存します。 フィードフォワード ネットワークは、見つかった関係のうちどれが現在のタスクを解決するために重要であるかを判断します。 無意味な関係は除外され、ニューロンは関連情報が見つかったモジュールでのみ起動します。 このプロセス全体が劇的なエネルギー節約につながります。 

Steve Furber は、HBP ニューロモーフィック コンピューティング部門のリーダーであり、マンチェスター大学のコンピューター工学の教授です。 

「この進歩により、ニューロモーフィック プラットフォーム上でのエネルギー効率の高いイベントベース AI の可能性が実現に近づく重要な一歩となります。 この新しいメカニズムは、マルチコンパートメント ニューロン モデルをサポートできる Intel Loihi や SpinNNaker などのニューロモーフィック コンピューティング システムに最適です」とファーバー氏は述べています。