Нейроморфна технологія від IBM та Intel може виявитися корисною для аналізу рентгенівських знімків і фондових ринків
Натхненні мозком «нейроморфні» мікрочипи від IBM та Intel можуть бути корисними не лише для штучного інтелекту. У новому дослідженні йдеться, що вони також можуть виявитися ідеальними для класу обчислень, корисних у широкому спектрі застосувань, зокрема аналізу медичних рентгенівських знімків і фінансової економіки.
Учені давно намагалися імітувати роботу мозку за допомогою програм, відомих як нейронні мережі, та апаратних засобів, відомих як нейроморфні чипи. Досі нейроморфні обчислення були переважно зосереджені на реалізації нейронних мереж. Було неясно, чи може це обладнання виявитися корисним поза межами застосувань ШІ.
Нейроморфні чипи зазвичай імітують роботу нейронів різними способами, наприклад, виконуючи безліч обчислень паралельно. Крім того, так само як біологічні нейрони і обчислюють, і зберігають дані, нейроморфне обладнання часто прагне поєднати процесори та пам'ять, потенційно зменшуючи енергію і час, які звичайні комп'ютери витрачають на переміщення даних між цими компонентами.
Тоді як звичайні мікрочипи використовують сигнали, що подаються через регулярні проміжки часу для координації дій схем, активність у нейроморфній архітектурі часто проявляється у вигляді стрибків, що спрацьовують лише тоді, коли електричний заряд досягає певного значення, що дуже схоже на те, що відбувається в мозку, подібному до нашого.
Досі основна перевага нейроморфних обчислень полягала в енергоефективності: такі функції, як сплески та поєднання пам'яті й обробки, призвели до появи чипа IBM TrueNorth, щільність потужності якого була на чотири порядки нижчою, ніж у звичайних мікропроцесорів того часу.
«З багатьох досліджень ми знаємо, що нейроморфні обчислення матимуть переваги в енергоефективності, але на практиці людей не хвилює економія енергії, якщо це означає, що ви працюєте набагато повільніше»
Тепер учені вважають, що нейроморфні комп'ютери можуть бути добре придатними для так званих методів Монте-Карло, де проблеми по суті розглядаються як ігри, а рішення досягаються за допомогою безлічі випадкових симуляцій або «прогулянок» цими іграми.
«Ми прийшли до випадкових блукань, розглядаючи проблеми, які не дуже добре масштабуються на звичайному обладнанні. Зазвичай рішення методом Монте-Карло потребують великої кількості випадкових обходів, щоб забезпечити добре рішення, і хоча окремо те, що робить кожен обхідник із часом, нескладно обчислити, на практиці необхідність виконувати багато таких обходів стає непомірно високою»
Натомість, замість того щоб паралельно моделювати групу випадково блукаючих об'єктів, кожен з яких виконує власні обчислення, учені можуть запрограмувати єдину нейроморфну сітку схем для представлення всіх обчислень, які може виконувати випадкове блукання, а потім, розглядаючи кожне випадкове блукання як сплеск, що рухається сіткою, розв'язати всю проблему за один раз.
Зокрема, так само як попередні дослідження показали, що квантові обчислення можуть демонструвати «квантову перевагу» над класичними обчисленнями у великому наборі завдань, дослідники виявили, що «нейроморфна перевага» може існувати, коли йдеться про випадкові блукання через ланцюги Маркова з дискретним часом.
«Якщо уявити задачу як настільну гру, то тут «ланцюг» означає гру, що проходить через послідовність станів або просторів. Ланцюги Маркова означають, що наступне місце в грі, на яке ви можете перейти, залежить лише від вашого поточного місця, а не від попередньої історії, як у настільних іграх на кшталт «Монополії» або «Країни цукерок». «Дискретний час» просто означає, що між змінними просторами відбувається фіксований інтервал часу — хід»
В експериментах із нейроморфними чипами IBM TrueNorth та Intel Loihi, процесором Intel Xeon E5-2662 серверного класу та графічним процесором Nvidia Titan Xp учені виявили, що коли справа доходить до розв'язання цього класу задач у великих масштабах, нейроморфні чипи виявилися ефективнішими за звичайні напівпровідники з точки зору енергоспоживання та конкурентоспроможними, якщо не кращими, з точки зору часу.
«Я дуже вірю, що нейроморфні обчислення для ШІ — це дуже цікаво і що апаратне забезпечення, засноване на мозку, призведе до створення розумнішого і потужнішого ШІ. Але водночас, показуючи, що нейроморфні обчислення можуть бути ефективними у звичайних обчислювальних застосуваннях, технологія може справити набагато ширший вплив на суспільство»
Одним зі способів досягнення переваги нейроморфних чипів у продуктивності та енергоефективності була висока ступінь паралелізму. Посилювала це здатність представляти кожне випадкове блукання як один сплеск активності замість складнішого набору дій.
«Велике обмеження цих методів Монте-Карло полягає в тому, що нам потрібно моделювати багато ходунців. Оскільки сплески — це такий простий спосіб представлення випадкового блукання, додавання додаткового елемента, що випадково блукає, — це просто додавання до системи одного додаткового сплеску, який працюватиме паралельно з усіма іншими. Таким чином, часові витрати на додаткового ходунця дуже малі»
Здатність ефективно розв'язувати цей клас проблем має широкий спектр потенційних застосувань, таких як моделювання акцій та опціонів на фінансових ринках, краще розуміння того, як рентгенівські промені взаємодіють із кістками та м'якими тканинами, відстеження того, як інформація переміщується в соціальних мережах, і моделювання того, як хвороби поширюються серед груп населення. Аймоне вважає, що «застосування цього підходу скрізь».
Але той факт, що для деяких завдань може існувати нейроморфна перевага, «не означає, що комп'ютери, натхнені мозком, можуть робити все краще, ніж звичайні комп'ютери», застерігає Аймоне. За його словами, майбутнє обчислень, імовірно, пов'язане з поєднанням різних технологій. Учені не намагаються сказати, що нейроморфія замінить усе.
Наразі учені вивчають способи керування взаємодією між кількома «ходунцями» або учасниками цих сценаріїв, що дозволить використовувати такі застосування, як моделювання молекулярної динаміки. Вони також розробляють програмні інструменти, щоб допомогти іншим розробникам працювати над цим дослідженням.
