人間脳プロジェクト、インテルが協力してニューロモルフィック技術を進化させる

人間脳プロジェクト（Human Brain Project）の研究者チームは、インテルと協力してニューロモルフィック技術を進化させ、AIを人間の脳のエネルギー効率に近づけようとしています。ニューロモルフィック技術は、大規模なディープラーニングネットワークに対して、他のAIシステムよりもエネルギー効率が高いです。

人間脳プロジェクト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。実験では、人間の脳に似たニューロンを使用する新しいインテルチップが使用されました。これは、初めて実現した結果でした。

この研究は、Nature Machine Intelligenceに掲載されました。

インテルのLoihiチップ

研究グループは、時間的プロセスを扱うアルゴリズムに焦点を当て、システムは事前に述べられた物語について質問に答え、コンテキストから物体や人物の関係を理解する必要がありました。ハードウェアは、インテルのニューロナルリサーチチップである32個のLoihiチップで構成されました。

フィリップ・プランクは、TUグラーツの理論計算機科学研究所の博士課程学生であり、インテルの従業員です。

「私たちのシステムは、ここで他のAIモデルよりも2〜3倍エネルギー効率が高い」とプランクは述べています。

プランクは、新しいLoihi世代が導入されると、さらに効率が向上し、エネルギー消費の多いチップ間通信が改善されることを信じています。測定結果によると、チップ間で送信する必要があるアクションポテンシャルがないため、消費量は1000倍も効率的でした。

グループは、人間の脳の推定方法を再現しました。

ヴォルフガング・マースは、フィリップ・プランクの博士課程指導教員であり、理論計算機科学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なしに短期間情報を保存できることが示されています。つまり、ニューロンの内部変数の中に情報を保存できるのです。シミュレーション結果によると、ニューロンのサブセットの疲労メカニズムが短期記憶に不可欠であることが示されています」とマースは述べています。

ディープラーニングネットワークのリンク

これを実現するために、研究者は2種類のディープラーニング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ナルネットワークは「短期記憶」に責任があり、リカレントモジュールは入力信号から可能な関連情報を抽出して保存します。フィードフォワードネットワークは、発見された関係のうち、現在のタスクを解決するために重要なものを決定します。無意味な関係はフィルタリングされ、関連情報が見つかったモジュールのみでニューロンが発火します。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。

スティーブ・ファーバーは、人間脳プロジェクトのニューロモル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エンジニアリング教授です。

「この進歩は、ニューロモルフィックプラットフォームでのエネルギー効率の高いイベントベースAIの実現に重要な一歩を近づけました。新しいメカニズムは、インテルLoihiやSpiNNakerのような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ニューロモルフィックコンピューティングシステムに適しています」とファーバーは述べています。