Intels nya neuromorfiska chip är 1 000 gånger snabbare än vanliga CPU:er

Intels nya system med kodnamnet Pohoiki Beach kommer att visas upp på Consumer Electronics Show (CES) i Las Vegas. Enhetskonstruktionen består av 64 Loihi-forskningschip, och målet är att det ska kunna simulera den mänskliga hjärnans inlärningsförmåga och energieffektivitet. Dessa neuromorfiska chip är en enklare version av hur neuroner och synapser fungerar i hjärnan.

Rich Uhlig, chef för Intel (INTC ) Labs, talade om den nya tekniken.

“Vi är imponerade av de tidiga resultaten som demonstreras när vi skalar upp Loihi för att skapa kraftfullare neuromorfiska system. Pohoiki Beach kommer nu att vara tillgänglig för mer än 60 ekosystempartners, som kommer att använda detta specialiserade system för att lösa komplexa, beräkningsintensiva problem.”

Den nya AI-neuromorfiska chippet kan utföra datakrossningsuppgifter 1 000 gånger snabbare än vanliga processorer som CPU:er och GPU:er, samtidigt som den använder mycket mindre ström.

Sättet att basera det på hjärnans neuroner är inte något helt nytt. Många AI-algoritmer simulerar neurala nätverk i sina program. De använder parallell bearbetning för att känna igen objekt i bilder och ord i tal. De nya neuromorfiska chippen sätter dessa neurala nätverk i kisel. Även om de är mindre flexibla och kraftfulla än vissa av de bästa allmänna chippen, presterar de verkligen när de specialiseras för specifika uppgifter. Den nya AI-chippet från Intel är 10 000 gånger mer effektivt än allmänna processorer. Eftersom de är så energisnåla kommer tekniken att vara idealisk för mobila enheter, fordon, industriutrustning, cybersäkerhet och smarta hem. AI-forskare har redan börjat använda systemet för saker som att förbättra proteser så att de kan anpassa sig bättre till ojämn mark, samt skapa digitala kartor som kan användas av självkörande bilar.

Chris Eliasmith, med-VD för Applied Brain Research och professor vid University of Waterloo, är en av de flera forskare som använder den nya tekniken.

“Med Loihi-chippet har vi kunnat demonstrera 109 gånger lägre strömförbrukning när vi kör en riktigtids-djupinlärnings-benchmark jämfört med en GPU, och 5 gånger lägre strömförbrukning jämfört med specialiserad IoT-gränssnittshårdvara… Ännu bättre, när vi skalar upp nätverket 50 gånger, behåller Loihi realtidsprestanda och använder bara 30 procent mer ström, medan IoT-hårdvaran använder 500 procent mer ström och inte längre är realtid”, sa Chris Eliasmith.

Konstantinos Michmizos är professor vid Rutgers University, och hans labb arbetar med SLAM som kommer att presenteras på den internationella konferensen om intelligenta robotar och system (IROS) i november.

“Loihi gjorde det möjligt för oss att förverkliga ett spikande neuralt nätverk som imiterar hjärnans underliggande neurala representationer och beteende. SLAM-lösningen uppstod som en egenskap hos nätverksstrukturen. Vi benchmarkade Loihi-körande nätverk och fann att det var lika exakt samtidigt som det använde 100 gånger mindre energi än en allmänt använd CPU-körd SLAM-metod för mobila robotar”, sa han.

Just nu är Pohoiki Beach ett system med 8 miljoner neuroner. Rich Uhlig, chef för Intel Labs, tror att företaget kommer att kunna skapa ett system som kan simulera 100 miljoner neuroner innan slutet av 2019. Denna nya teknik kommer att kunna användas av forskare för en mängd olika saker, som till exempel förbättring av robotarmar. Dessa nya utvecklingen och forskningen leder till vad som troligen kommer att bli kommersialiseringen av neuromorfisk teknik.

Enligt företaget kommer “Intel senare i år att lansera ett ännu större Loihi-system med namnet Pohoiki Springs, som bygger på Pohoiki Beach-arkitekturen för att leverera en utan motstycke nivå av prestanda och effektivitet för skalade upp neuromorfiska arbetsbelastningar”.