Intel увеличивает число нейронов в научной нейросети до 100 миллионов

Компания Intel заявила, что Pohoiki Springs – их новейшая и наиболее мощная научно-исследовательская нейроморфная система с вычислительной емкостью 100 млн нейронов – готова к работе. Доступ к этой системе – через облачный сервис – получат члены Intel Neuromorphic Research Community (INRC), которые с ее помощью смогут решать более масштабные и сложные задачи, включающие в себя нейронные вычисления.

"Pohoiki Springs увеличивает вычислительный потенциал нашего научного нейрочипа Loihi более чем в 750 раз при уровне потребляемой мощности до 500 Вт. Новая система позволит нашим научным партнерам искать способы более быстрого решения задач, с которыми традиционные архитектуры, включая системы для высокопроизводительных вычислений (HPC), в настоящее время справляются слишком медленно," – сказал Майк Дэвис (Mike Davies), директор лаборатории Intel Neuromorphic Computing Lab.

Pohoiki Springs – это многосекционная система обработки данных, которая на сегодняшний день является самой большой нейроморфной вычислительной системой Intel. Она объединяет в себе 768 научных нейрочипов Loihi, которые заключены в корпус, по размеру эквивалентный пяти стандартным серверам.

Процессоры Loihi работают примерно по тем же принципам, что и человеческий мозг. Подобно мозгу, Loihi может решать определенные задачи в 1000 раз быстрее и в 10000 раз эффективнее, чем обычные процессоры. Pohoiki Springs представляет собой следующий уровень масштабирования этой архитектуры, и его потенциал позволяет решать не только типовые задачи для искусственного интеллекта (ИИ), но и более сложные и разнообразные вычислительные задачи. Специалисты Intel считают, что крайне высокие возможности нейросистем в части параллельной и асинхронной обработки сигнала могут обеспечить значительный рост производительности при одновременном резком снижении энергопотребления по сравнению с самыми продвинутыми обычными современными компьютерами.

В природе даже мельчайшие живые организмы способны решать удивительно сложные вычислительные задачи. Например, многие насекомые могут визуально определять пространственное положение объектов и избегать столкновений с препятствиями, хотя их мозг содержит менее миллиона нейронов.

Аналогично, самая маленькая нейросистема Intel, Kapoho Bay, состоит из двух чипов Loihi с 262 000 нейронов и способна решать в режиме реального времени разнообразные краевые задачи. Специалисты Intel и INRC продемонстрировали способность Loihi распознавать динамику жестов, читать шрифт Брайля на незнакомой поверхности, ориентироваться в пространстве по визуально заметным объектам, запоминать и распознавать новые запахи – и всё это при уровне энергопотребления порядка десятков милливатт. Эти примеры простейших систем до сих пор показывали отличную масштабируемость, то есть увеличение вычислительного потенциала (и, соответственно, сложности решаемых задач) при увеличении количества однотипных элементов системы; при этом более сложные задачи нейросистемы на базе Loihi решают быстрее и эффективнее, чем обычные компьютеры. Это отражает масштабируемость мозга, количество нейронов в котором последовательно увеличивалось в процессе эволюции от насекомых к человеку.

Система Pohoiki Springs со 100 миллионами нейронов повышает вычислительный потенциал Loihi до уровня мозга мелкого млекопитающего – это большой шаг вперед на пути усложнения решаемых нейронной системой задач. Pohoiki Springs закладывает фундамент для создания автономных интеллектуальных систем будущего, что требует новых подходов к обработке данных в реальном времени.

Как это будет использоваться: нейроморфные системы Intel, подобные Pohoiki Springs, пока еще находятся на стадии разработки и исследования и в ближайшее время не заменят собой обычные компьютеры. Вместо этого они будут использоваться в качестве инструмента для изучения и оценки эффективности нейросетевых алгоритмов обработки данных в реальном времени с точки зрения решения задач обучения и адаптации.

С помощью облачного сервиса члены INRC будут обращаться к базе данных и создавать приложения для Pohoiki Springs, используя SDK Intel Nx и программные компоненты, разработанные в INRC.

Примеры перспективных масштабируемых алгоритмов, разработанных для нейропроцессора Loihi

• Удовлетворение условий. Задачи с ограничивающими условиями встречаются повсеместно – от игры судоку до составления расписания авиарейсов. Они требуют оценки большого количества возможных решений для выбора из них одного или нескольких, удовлетворяющих определенным условиям. Loihi может ускорить процесс принятия решения путем параллельного анализа множества вариантов с высокой скоростью.
• Анализ графов и паттернов. Люди ежедневно анализируют структуры данных на основе графов и паттернов, решая задачу вычисления оптимального пути или выбора наиболее подходящего паттерна, например, для определения маршрута в метро или при распознавании лиц. Loihi продемонстрировал способность быстро определять кратчайший маршрут в структуре графов и выполнять аппроксимационный поиск изображений в задачах идентификации.
• Задачи оптимизации. Нейроморфная архитектура может быть запрограммирована таким образом, что ее динамика через определенное время приводит к оптимальному решению, обеспечивающему минимизацию или максимизацию целевых показателей. Эта динамика может использоваться для решения реальных оптимизационных задач, например – максимизации пропускной способности беспроводного канала связи или оптимального размещения пакета акций с минимальным риском.

О нейронных вычислениях.

Традиционные процессоры общего назначения, такие как CPU и GPU, очень эффективно справляются с задачами, слишком трудоемкими для человека, например, с арифметическими вычислениями с высокой точностью. Но область применения вычислительных технологий расширяется. Автоматизация, искусственный интеллект и др. – сюда относятся все сферы, требующие, чтобы компьютер в большей степени работал как человек, то есть обрабатывал неструктурированную информацию на фоне шумов в реальном времени и адаптировался к изменяющимся условиям. В ответ на этот вызов и разрабатываются новые специализированные архитектуры.

Нейронные вычисления подразумевают полный пересмотр основ компьютерной архитектуры. Основная задача здесь – применить новейшие открытия в области нейронаук в вычислительной практике и создать чип, который будет работать в большей степени как человеческий мозг и в меньшей степени как обычный компьютер. Нейроморфные системы аналогичны нейронным структурам мозга в части организации и способности к обучению и коммуникации, которые реализуются в них на аппаратном уровне. Опыт Intel показывает, что Loihi и более сложные нейронные процессоры будущего задают новую модель программируемых вычислений, отвечающую растущему во всем мире спросу на интеллектуальные устройства повсеместного применения.