Intel Utvecklar Största Neuromorfiska System för Ekologiska AI-framsteg

Intel har nyligen tillkännagett skapandet av Hala Point, världens största neuromorfiska system, vilket markerar ett betydande steg mot mer hållbara och effektiva artificiella intelligenser. Distribuerat initialt vid Sandia National Laboratories, använder Hala Point Intels avancerade Loihi 2-processor och bygger på framgången med dess föregångare, Pohoiki Springs, genom att erbjuda betydande förbättringar i arkitektur. Denna förbättring ökar neuronkapaciteten med mer än tiofalt och prestandan med upp till tolv gånger.

“Beräkningskostnaden för dagens AI-modeller ökar i en ohållbar takt. Branschen behöver grundligt nya tillvägagångssätt som kan skalas. Av den anledningen utvecklade vi Hala Point, som kombinerar deep learning-effektivitet med nya hjärninspirerade inlärnings- och optimeringsfunktioner. Vi hoppas att forskning med Hala Point kommer att förbättra effektiviteten och anpassningsförmågan hos storskalig AI-teknik”, sa Mike Davies, chef för Neuromorphic Computing Lab på Intel Labs.

Hala Point skiljer sig genom att vara det första storskaliga neuromorfiska systemet som kan demonstrera toppmoderna beräkningseffektiviteter på vanliga AI-arbetsbelastningar. Det kan stödja upp till 20 kvadriljoner operationer per sekund, eller 20 petaops, och erbjuder en utan motstycke effektivitet som överstiger 15 biljoner 8-bitarsoperationer per sekund per watt (TOPS/W) när det körs konventionella djupa neurala nätverk.

Forskare vid Sandia National Laboratories kommer att använda Hala Point för avancerad hjärnskaleforskning, med fokus på vetenskapliga beräkningsproblem inom olika områden som enhetsfysik, datorarkitektur och informatik. “Att arbeta med Hala Point förbättrar vår Sandia-grupps förmåga att lösa beräknings- och vetenskapliga modelleringproblem. Att genomföra forskning med ett system av den här storleken kommer att göra det möjligt för oss att hålla jämna steg med AI:s utveckling inom områden som sträcker sig från kommersiell till försvar till grundläggande vetenskap”, sa Craig Vineyard, Hala Point-teamledare vid Sandia National Laboratories.

Medan Hala Point förblir en forskningsprototyp, ser Intel att dess lärdomar kommer att förbättra framtida kommersiella system avsevärt, särskilt genom att möjliggöra stora språkmodeller som kan lära sig kontinuerligt från nya data och minska utbildningsbördan för AI-distributioner.

Drivet för allt större djupa inlärningsmodeller har avslöjat betydande hållbarhetsutmaningar inom AI, vilket kräver innovation på de grundläggande nivåerna av maskinvaruarkitektur. Neuromorfisk datoranvändning, inspirerad av neurovetenskap, integrerar minne och beräkning inom ett högt parallellt ramverk för att minimera dataförflyttning. Detta tillvägagångssätt har visat på anmärkningsvärda vinster i effektivitet, hastighet och anpassningsförmåga, som bevisas av Loihi 2:s prestanda på den här månaden Internationella konferensen om akustik, tal och signalbehandling (ICASSP).

Hala Point integrerar 1 152 Loihi 2-processorer och stödjer upp till 1,15 miljarder neuroner och 128 miljarder synapser, fördelade över 140 544 neuromorfiska bearbetningskärnor, inom en sexhyllig datacenterchassi. Dess massivt parallelliserade tyg erbjuder betydande minnesbandbredd och kommunikationshastigheter, vilket ger en robust grund för bioinspirerade spikade neurala nätverksmodeller.

Intels fortsatta utveckling av neuromorfiska system som Hala Point syftar till att åtgärda effekt- och latensbegränsningar som för närvarande begränsar den faktiska distributionen av AI. Med den fortsatta samarbetet med Intel Neuromorphic Research Community (INRC), är Intel engagerad i att främja denna hjärninspirerade tekniken från forskningsprototyper till kommersiella produkter.