Proiectul Creierul Uman, Intel Colaborează pentru a Avansa Tehnologia Neuromorfică

O echipă de cercetători de la Proiectul Creierul Uman (HBP) lucrează împreună cu Intel (INTC ) pentru a avansa tehnologia neuromorfică și pentru a aduce inteligența artificială (AI) mai aproape de eficiența energetică a creierului uman. Tehnologia neuromorfică este mai eficientă din punct de vedere energetic pentru rețelele de învățare profundă mari în comparație cu alte sisteme AI.

Cercetătorii de la HBP și Intel au efectuat o serie de experimente care demonstrează această eficiență. Experimentele au implicat un nou cip Intel care se bazează pe neuroni asemănători cu cei din creierul uman. Acesta a fost primul caz în care astfel de rezultate au fost demonstrate.

Cercetarea a fost publicată în Nature Machine Intelligence.

Cipurile Loihi ale Intel

Grupul s-a concentrat pe algoritmi care lucrează cu procese temporale, iar sistemul a trebuit să răspundă la întrebări despre o poveste spusă anterior, înțelegând relațiile dintre obiecte sau persoane din context. Hardware-ul a constat din 32 de cipuri Loihi, care sunt cipuri de cercetare neuronale ale Intel.

Phillip Plank este student doctorand la Institutul de Informatică Teoretică din cadrul Universității Tehnice Graz și angajat la Intel.

“Sistemul nostru este de două până la trei ori mai economic aici decât alte modele AI”, spune Plank.

Plank crede că, pe măsură ce noua generație Loihi va fi introdusă, va avea câștiguri de eficiență și va îmbunătăți comunicarea energetică dintre cipuri. Măsurătorile au arătat că consumul a fost de 1000 de ori mai eficient, deoarece nu au fost necesare potențiale de acțiune care trebuiau trimise înapoi și încolo între cipuri.

Grupul a reprodus o metodă presupusă a creierului uman.

Wolfgang Maass este supervisorul doctoral al lui Philipp Plank și profesor emerit la Institutul de Informatică Teoretică.

“Studiile experimentale au arătat că creierul uman poate stoca informații pentru o perioadă scurtă de timp chiar și fără activitate neuronală, și anume în așa-numitele ‘variabile interne’ ale neuronilor”, spune Maass. “Simulările sugerează că un mecanism de oboseală a unui subset de neuroni este esențial pentru această memorie pe termen scurt.”

Conectarea Rețelelor de Învățare Profundă

Pentru a realiza acest lucru, cercetătorii conectează două tipuri de rețele de învățare profundă. Rețelele neuronale de feedback sunt responsabile pentru “memoria pe termen scurt”, iar modulele recurente filtrează informațiile posibil relevante din semnalul de intrare și le stochează. O rețea feed-forward determină care dintre relațiile găsite sunt importante pentru rezolvarea sarcinii curente. Relațiile care sunt lipsite de sens sunt filtrate, iar neuronii se activează doar în modulele în care s-au găsit informații relevante. Acest întreg proces conduce la economii dramatice de energie.

Steve Furber este liderul diviziei de calcul neuromorfic HBP și profesor de inginerie computerizată la Universitatea din Manchester.

“Acest progres aduce promisiunea inteligenței artificiale bazate pe evenimente și eficiente din punct de vedere energetic pe platformele neuromorfice un pas important mai aproape de realizare. Noul mecanism este bine adaptat pentru sistemele de calcul neuromorfic, cum ar fi Intel Loihi și SpiNNaker, care pot suporta modele de neuroni cu multiple compartimente”, a spus Furber.