ニューロモーフィック技術はIBMとIntelのチップでX線画像や株式市場の分析に役立つかもしれない
脳に着想を得た「ニューロモーフィック」マイクロチップは、人工知能だけでなく役立つ可能性がある。新しい研究では、医療用X線分析や金融経済など、幅広い応用に有用な種類の計算にも理想的かもしれないと述べられている。
科学者たちは長年、ニューラルネットワークと呼ばれるプログラムと、ニューロモーフィックチップと呼ばれるハードウェアで脳の働きを模倣しようとしてきた。これまでニューロモーフィック計算は主にニューラルネットワークの実装に集中してきた。このハードウェアがAI以外の用途でも役立つかどうかは不明だった。
ニューロモーフィックチップは一般に、多数の計算を並列に実行するなど、さまざまな方法でニューロンの働きを模倣する。さらに、生物のニューロンが計算とデータ保存の両方を行うのと同様に、ニューロモーフィックハードウェアはプロセッサとメモリを統合することを目指すことが多く、これにより従来のコンピュータがコンポーネント間でデータを移動させる際に失うエネルギーと時間を減らせる可能性がある。
従来のマイクロチップが回路の動作を調整するために一定間隔で発生する信号を使うのに対し、ニューロモーフィックアーキテクチャでの活動は、電荷が特定の値に達したときだけ発火するスパイクの形で現れることが多い。これは人間のような脳で起きていることによく似ている。
これまで、ニューロモーフィック計算の主な利点は省エネルギー性だった。スパイクや、メモリと処理の統合といった機能により、IBMのTrueNorthチップは、当時の一般的なマイクロプロセッサより電力密度が4桁低くなった。
「多くの研究から、ニューロモーフィック計算は省エネルギーの面で利点を持つことが分かっているが、実際には、動作がはるかに遅くなるのであれば、人々は省エネルギーを気にしない」
現在、科学者たちはニューロモーフィックコンピュータが、いわゆるモンテカルロ法に適している可能性があると考えている。この方法では、問題を本質的にゲームとして扱い、多数のランダムなシミュレーションや、そのゲームの「ランダムウォーク」によって解を得る。
「私たちは、通常のハードウェアではうまくスケールしない問題を検討する中でランダムウォークに行き着いた。通常、モンテカルロ法による解は、良い解を得るために多数のランダムな歩行を必要とする。個々の歩行者が時間とともに行うことは計算しやすいものの、実際には多数の歩行を実行する必要性が過大なものになってしまう」
これに対し、それぞれが独自の計算を行うランダムに歩く物体の群れを並列にシミュレートする代わりに、科学者はランダムウォークが行えるすべての計算を表す単一のニューロモーフィック回路グリッドをプログラムし、各ランダムウォークをそのグリッド上を動くスパイクとみなすことで、問題全体を一度に解くことができる。
具体的には、量子計算が多くの問題の集合において古典計算に対する「量子優位性」を示しうることが先行研究で示されたのと同様に、離散時間マルコフ連鎖上のランダムウォークについて、「ニューロモーフィック優位性」が存在しうることを研究者たちは発見した。
「問題をボードゲームに例えるなら、ここでの「連鎖」とは、一連の状態や空間を通過していくゲームを意味する。マルコフ連鎖とは、次に進める場所が現在の場所のみに依存し、「モノポリー」や「キャンディランド」などのボードゲームのように、それまでの履歴には依存しないことを意味する。「離散時間」とは、変化する空間の間に一定の時間間隔、つまり一手番があることを単に意味する」
IBMのTrueNorthとIntelのLoihiというニューロモーフィックチップ、サーバークラスのIntel Xeon E5-2662プロセッサ、そしてNvidia Titan Xpグラフィックプロセッサを用いた実験で、科学者たちは、大規模にこの種の問題を解く場合、ニューロモーフィックチップは消費電力の面で従来の半導体より効率的であり、時間の面でも、勝るとは言えないまでも競争力があることを発見した。
「私はAIのためのニューロモーフィック計算が非常に興味深く、脳にもとづくハードウェアがより賢く強力なAIにつながると強く信じている。しかし同時に、ニューロモーフィック計算が一般的な計算用途でも効果的であることを示すことで、この技術は社会により広範な影響を与えうる」
ニューロモーフィックチップが性能とエネルギー効率で優位に立つ方法の一つは、高い並列性だった。さらに、各ランダムウォークを、より複雑な一連の動作ではなく、単一のスパイクの活動として表現できることがそれを強めていた。
「これらのモンテカルロ法の大きな制約は、多数の歩行者をシミュレートする必要があることだ。スパイクはランダムウォークを表現する非常に単純な方法なので、ランダムウォークの要素を一つ追加することは、他のすべてと並列に動作する追加のスパイクを一つシステムに加えるだけになる。そのため、追加の歩行者にかかる時間的コストは非常に小さい」
この種の問題を効率的に解ける能力は、金融市場における株式やオプションの価格変動のシミュレーション、X線が骨や軟部組織とどのように相互作用するかのより深い理解、情報がソーシャルメディア上をどのように広がるかの追跡、病気が人口集団の中でどのように広がるかのモデル化など、幅広い応用の可能性を持つ。アイモーネは、「このアプローチの応用はあらゆるところにある」と考えている。
しかし、一部の問題でニューロモーフィックの優位性が存在しうるという事実は、「脳に着想を得たコンピュータがあらゆる面で通常のコンピュータより優れていることを意味するわけではない」とアイモーネは警告する。彼によれば、計算の未来は、さまざまな技術の組み合わせにある可能性が高い。科学者たちは、ニューロモーフィックがすべてを置き換えると言おうとしているわけではない。
現在、科学者たちは、複数の「ランダムウォーカー」、つまりこれらのシナリオの参加者同士の相互作用を管理する方法を研究しており、それによって分子動力学シミュレーションのような応用が可能になる。また、他の開発者がこの研究に取り組めるよう、ソフトウェアツールも開発している。
