Intel Utvikler Største Neuromorfe System for Miljøvennlige AI-Fremsteg

Intel har nylig annonsert skapingen av Hala Point, verdens største neuromorfe system, og markerer et betydelig skritt mot mer bærekraftig og effektiv kunstig intelligens. Utviklet initialt ved Sandia National Laboratories, bruker Hala Point Intels avanserte Loihi 2 prosessor og bygger på suksessen til sin forgjenger, Pohoiki Springs, ved å tilby betydelige forbedringer i arkitektur. Denne forbedringen øker nevronkapasiteten med mer enn ti ganger og ytelsen med opptil tolv ganger.

“Den beregningsmessige kostnaden for dagens AI-modeller øker i uholdbare rater. Bransjen trenger grunnleggende nye tilnærminger som kan skaleres. Derfor utviklet vi Hala Point, som kombinerer dypt læring effektivitet med nye hjernelærings og optimaliseringsmuligheter. Vi håper at forskning med Hala Point vil fremme effektiviteten og tilpasningen av stor skala AI-teknologi,” sa Mike Davies, direktør for Neuromorphic Computing Lab ved Intel Labs.

Hala Point skiller seg ut ved å være det første store skala neuromorfe system som kan demonstrere stat-of-the-art beregningsmessige effektiviteter på vanlige AI-arbeidsbyrder. Det kan støtte opptil 20 kvadrillioner operasjoner per sekund, eller 20 petaops, og tilbyr utenforliggende effektivitet som overstiger 15 billioner 8-bits operasjoner per sekund per watt (TOPS/W) når det kjører konvensjonelle dypte neurale nettverk.

Forskere ved Sandia National Laboratories vil bruke Hala Point for avansert hjerneskala datamaskin forskning, med fokus på vitenskapelige datamaskin problemer over ulike domener som enhetsfysikk, datamaskinarkitektur og informatikk. “Arbeid med Hala Point forbedrer vår Sandia teams evne til å løse beregningsmessige og vitenskapelige modellproblemer. Å utføre forskning med et system av denne størrelsen vil tillate oss å holde pace med AI-utviklingen i felt fra kommersiell til forsvar til grunnleggende vitenskap,” uttalt Craig Vineyard, Hala Point teamleder ved Sandia National Laboratories.

Mens Hala Point forblir en forskningsprototyp, ser Intel for seg at dens lærdommer vil betydelig forbedre fremtidige kommersielle systemers kapasiteter, særlig muliggjøre store språkmodeller å lære kontinuerlig fra nye data og redusere treningbyrden av AI-utplasseringer.

Drivet for stadig større dypte læring modeller har avdekket betydelige bærekraftige utfordringer innen AI, og nødvendiggjør innovasjon på de grunnleggende nivåene av maskinvarearkitektur. Neuromorfe datamaskin, inspirert av nevrovitenskap, integrerer minne og beregning innen et høyt parallelt rammeverk for å minimere databevegelse. Denne tilnærmingen har demonstrert bemerkelsesverdige gevinster i effektivitet, hastighet og tilpasning, som bevises av Loihi 2s ytelse på denne månedens Internasjonale Konferanse om Akustikk, Tale og Signalbehandling (ICASSP).

Hala Point integrerer 1 152 Loihi 2 prosessorer og støtter opptil 1,15 milliarder nevroner og 128 milliarder synapser, fordelt over 140 544 neuromorfe prosessorkjerner, innen en seks-hylle datacenter chassis. Dets massivt parallelliserte stoff tilbyr betydelig minnebandbredde og kommunikasjonshastighet, og gir en robust grunnlag for bio-inspirerte spikende neurale nettverksmodeller.

Intels pågående utvikling av neuromorfe systemer som Hala Point har til hensikt å adresse kraft- og forsinkelsesbegrensninger som for tiden begrenser den virkelige utplasseringen av AI. Med den fortsatte samarbeidet med Intel Neuromorphic Research Community (INRC), er Intel forpliktet til å fremme denne hjernelærte teknologien fra forskningsprototyper til kommersielle produkter.