IBM planuje skomercjalizować swój inspirowany mózgiem chip

W sierpniu zeszłego roku IBM zaprezentował chip zaprojektowany do obsługi czegoś podobnego do neuronów i synaps w mózgu (patrz IBM Chip Process Data Like to the Your Brain). Teraz firma rozpoczęła prace nad następną generacją, której celem jest ulepszenie urządzeń mobilnych do zadań łatwych dla mózgu, ale trudnych dla komputerów, takich jak rozpoznawanie mowy i interpretacja obrazów.

IBM zaprojektował ten chip, aby zapożyczyć zasady, które działają w mózgu, a teraz pracuje nad wersją, która może sprawić, że urządzenia mobilne będą inteligentniejsze.

Pracujemy nad następną generacją chipa, ale teraz najważniejsi są partnerzy komercyjni, mówi John Kelly, starszy wiceprezes IBM, który nadzoruje IBM Research i kilka jednostek biznesowych, w tym dwie poświęcone pakietowi maszyn Watson. oprogramowanie wywiadowcze. Firmy mogą włączyć to do wszelkiego rodzaju urządzeń mobilnych, maszyn, motoryzacji, co tylko chcesz.

Dodanie inspirowanych mózgiem chipów do produktów, takich jak telefony, może sprawić, że będą w stanie rozpoznawać wszystko, co mówią ich właściciele, i śledzić, co się wokół nich dzieje, mówi Kelly. Najbliższe dzisiejsze urządzenia nasłuchują pewnych słów kluczowych. Najnowszy iPhone firmy Apple można obudzić, mówiąc Hej Siri, a niektóre telefony korzystające z oprogramowania Google można obudzić frazą OK Google.

Architektura chipu TrueNorth firmy IBM, jak się ją nazywa, została opracowana w ramach programu finansowanego przez DARPA, którego celem jest umożliwienie komputerom mobilnym uruchamiania zaawansowanego oprogramowania do inteligencji maszynowej, takiego jak rozpoznawanie obrazu lub mowy, bez konieczności korzystania z infrastruktury przetwarzania w chmurze i przy bardzo mała moc (patrz Myślenie w krzemie ).

Kelly mówi, że IBM prowadzi rozmowy z wiodącymi producentami systemów komputerowych na temat tego, jak projekty TrueNorth mogą im pomóc, ale odmawia podania jakichkolwiek nazw. Rozmawiamy z kim jest kto w przestrzeni mobilnej i przestrzeni IoT [Internet rzeczy], mówi. Chip TrueNorth zostanie dodany do projektów urządzeń jako koprocesor, który działa równolegle z konwencjonalnym procesorem i nigdy się nie wyłącza, mówi Kelly.

Chip TrueNorth zaprezentowany w sierpniu ubiegłego roku jest mniej więcej wielkości znaczka pocztowego i ma milion krzemowych neuronów z 256 milionami połączeń między nimi, które są analogiczne do synaps łączących prawdziwe neurony. Chip zużywa ponad 1000 razy mniej energii niż konwencjonalny procesor podobnej wielkości. IBM zademonstrował, jak można zaprogramować jego sieć neuronów do wykonywania zadań, takich jak rozpoznawanie różnych pojazdów na materiale wideo w czasie rzeczywistym.

Jednak, ponieważ architektura chipów TrueNorth bardzo różni się od tych w istniejących komputerach, wymaga to nowego podejścia do pisania oprogramowania. A jego fałszywe neurony działają inaczej niż sztuczne sieci neuronowe oparte na oprogramowaniu, które firmy takie jak Google, Facebook i Microsoft wykorzystały ostatnio do dokonywania przełomów w przetwarzaniu mowy i obrazów przy użyciu metody znanej jako głębokie uczenie (patrz 10 Przełomowe technologie 2013: Głębokie Uczenie się ).

Neurony w architekturze TrueNorth firmy IBM kodują dane za pomocą elektrycznych impulsów, próbując naśladować sygnały impulsów neuronów biologicznych. Symulowane neurony używane w głębokim uczeniu nie wykorzystują kolców.

Nie wykazano, że sztuczne sieci neuronowe wykorzystujące neurony kolczaste — w tym IBM — dorównują wydajności uzyskiwanej za pomocą uczenia głębokiego w zadaniach, takich jak rozpoznawanie mowy lub przetwarzanie obrazu. Yann LeCun, który kieruje laboratorium badawczym AI Facebooka i pomógł pionierom głębokiego uczenia się, wyrażony sceptycyzm że będzie to praktyczne.

Dharmendra Modha, który kieruje rozwojem inspirowanych mózgiem chipów IBM, twierdzi, że skoki są kluczowe, jeśli sieci neuronowe mają być uruchamiane w chipie o wysokiej wydajności energetycznej. Jego zespół zaczął tworzyć narzędzia, które umożliwią przeniesienie wyszkolonych sieci neuronowych głębokiego uczenia na chip TrueNorth.

Układ ten został pomyślany jako podłoże, na którym można mapować wiele różnych sieci neuronowych do zastosowań w czasie rzeczywistym, o bardzo niskim zużyciu energii io bardzo małej objętości, mówi.

Terrence Sejnowski , kierownik laboratorium neurobiologii obliczeniowej w Salk Institute for Biological Studies, zgadza się, że impulsowe neurony są ważne, jeśli kompaktowe komputery mają być zdolne do robienia inteligentnych rzeczy bez zużywania energii lub korzystania z chmury. Nie bez powodu pojawiły się w naturze, mówi.

Nowe badania kolejnego pioniera głębokiego uczenia się, Yoshua Bengio z Uniwersytetu w Montrealu sugeruje, że dokładność tej techniki może być łatwiejsza do przeniesienia na neurony sprzętowe, niż wcześniej sądzono, mówi Sejnowski. Bengio, który współpracuje z IBM w zakresie oprogramowania językowego, napisał: praca wstępna w zeszłym tygodniu online pokazało, że podkręcanie symulowanych neuronów wykorzystywanych w głębokim uczeniu w sposób, który czyni je bardziej podobnymi do neuronów kolczastych, nie zaszkodziło dokładności przetwarzania obrazu.

Nawet jeśli architekturę chipów mózgowych IBM pogodzi się z technikami głębokiego uczenia, będzie miała konkurencję. Google już pracuje nad sposobami ograniczenia sztucznych sieci neuronowych do działania na istniejących urządzeniach przenośnych (patrz Aplikacja Google umieszcza sieci neuronowe w telefonie ). Kilka firm, w tym wiodący projektant procesorów mobilnych Qualcomm, pracuje nad projektami chipów, które umożliwiłyby uruchamianie istniejącego oprogramowania do głębokiego uczenia się na komputerach mobilnych, takich jak telefony lub samochody (patrz Chipy silikonowe, które sprawią, że Twój smartfon będzie błyskotliwy).

ukryć