휴먼 브레인 프로젝트, 인텔과 함께 신경 형태 기술 발전을 위해 협력

휴먼 브레인 프로젝트(Human Brain Project, HBP)의 연구팀은 인텔과 함께 신경 형태 기술을 발전시키고 인공지능을 인간 뇌의 에너지 효율에 더 가까이 가져오기 위해 협력하고 있습니다. 신경 형태 기술은 다른 인공지능 시스템에 비해 대규모 딥 러닝 네트워크에서 더 에너지 효율적입니다.

HBP와 인텔의 연구자들은 이러한 효율성을 보여주는 일련의 실험을 수행했습니다. 실험에는 인간 뇌의 신경 세포와 유사한 신경 세포를 사용하는 새로운 인텔 칩이 사용되었습니다. 이는 이러한 결과가 처음으로 보여진 것입니다.

이 연구는 네이처 머신 인텔리전스(Nature Machine Intelligence)에 발표되었습니다.

인텔의 로이히 칩

그룹은 시간적 프로세스와 관련된 알고리즘에 초점을 맞추었고, 시스템은 이전에 들려준 이야기에서 물체 또는 사람之间의 관계에 대한 질문에 답변해야 하며 컨텍스트에서 이해해야 합니다. 하드웨어는 인텔의 신경 연구 칩인 32개의 로이히 칩으로 구성되었습니다.

필립 플랑크는 TU 그라츠의 이론 컴퓨터 과학 연구소의 박사 과정 학생이자 인텔의 직원입니다.

“我们的 시스템은 여기에서 다른 AI 모델보다 2~3 배 더 경제적입니다.” 플랑크는 말합니다.

플랑크는 새로운 로이히 세대가 도입됨에 따라 더 많은 효율성 개선과 에너지 집약적인 칩 간 통신 개선을 기대합니다. 측정 결과는 칩 간에 전송되어야 하는 필요한 액션 포텐셜이 없기 때문에 1000 배 더 효율적임을 보여주었습니다.

그룹은 인간 뇌의 가정된 방법을 재현했습니다.

볼프강 마스는 필립 플랑크의 博士 과정 지도교수이자 TU 그라츠의 이론 컴퓨터 과학 연구소의 명예 교수입니다.

“실험 연구에 따르면 인간 뇌는 신경 세포 활동 없이도 짧은 기간 동안 정보를 저장할 수 있으며, 즉 так называем한 신경 세포의 ‘내부 변수’에서 정보를 저장할 수 있습니다.” 마스는 말합니다. “시뮬레이션 결과는 짧은 기간 동안의 기억에 일부 신경 세포의 피로 메커니즘이 필수적임을 시사합니다.”

딥 러닝 네트워크 연결

이를 달성하기 위해 연구자들은 두 가지 유형의 딥 러닝 네트워크를 연결합니다. 피드백 신경 네트워크는 ‘짧은 기간 동안의 기억’을 담당하며, 재귀적 모듈은 입력 신호에서 가능한 관련 정보를 필터링하여 저장합니다. 피드 포워드 네트워크는 발견된 관계 중 어떤 것이 현재 작업을 해결하는 데 중요하는지 결정합니다. 의미 없는 관계는 필터링되어 관련 정보가 발견된 모듈에서만 신경 세포가 활성화됩니다. 이 전체 프로세스는 극적인 에너지 절감으로 이어집니다.

스티브 퍼버는 HBP의 신경 형태 컴퓨팅 부문의 책임자이자 맨체스터 대학교의 컴퓨터 공학 교수입니다.

“이 진전은 신경 형태 플랫폼에서 에너지 효율적인 이벤트 기반 인공지능을 실현하는 중요한 단계로 다가갑니다. 새로운 메커니즘은 인텔의 로이히와 SpiNNaker와 같은 다중 구획 신경 모델을 지원할 수 있는 신경 형태 컴퓨팅 시스템에 적합합니다.” 퍼버는 말합니다.