Birkaç yıl önce Intel, halka açık ilk nöromorfik araştırma işlemcisi Loihi’yi tanıttı. “Nöromorfik” terimi, esasen, beynin işlevini taklit etmeye çalışan herhangi bir işlemci türü için her şeyi kapsar. Beyin karmaşık bir organizma olduğu için, farklı çipler, beyin tasarımının hangi yönünü kopyalamaya çalıştıklarına bağlı olarak farklı şekillerde nöromorfik olabilir.
Şimdi Intel, yakında çıkacak Intel’i temel alan Loihi 2’yi duyurdu. 4 işlem düğümü. Intel 4 hala ön üretim aşamasında ve Intel herhangi bir sürpriz lansman kadansı duyurmuyor. Muhtemelen Loihi 2, düğüm için çok erken bir boru temizleyicisidir.
Orijinal Loihi, asenkron artan sinir ağına sahip 14nm çok çekirdekli bir çiptir. Loihi 2: The Spikening bu modeli takip ediyor – çekirdekleri birbirleriyle düzensiz faaliyet patlamaları yoluyla iletişim kuruyor. Geleneksel anlamda kalıp dışı RAM veya önbellek yoktur; bunun yerine, her nöronun kendi hafıza havuzu vardır. Canlı bir nöronda olduğu gibi, sinyaller bir çekirdek onları iletmeden önce belirli bir alaka eşiğini aşmalıdır.
14nm’den Intel 4’e geçiş, Intel’in çip başına maksimum nöron sayısını 130K’dan 1 milyona önemli ölçüde artırmasını sağladı. Üçten fazla olmak üzere altı senkronizasyon çekirdeği vardır ve Loihi 2, çip içinde iletişim için 2B ağ yerine üç boyutlu ağ ağı kullanır.
Loihi 2, “ateşleme” yaklaşımını da değiştirdi. Başlangıçta, tetiklendiğinde tek bir veri bitini kodladı: yalnızca bir veya sıfır. Şimdi, sivri uçlar tam sayılardır, bu nedenle daha fazla veri taşıyabilirler – durum farkında olan biyolojik nöronların aksine. Dahası, bilgi bant genişliğindeki bu artış, bir ani artışın alıcı nöron üzerinde bir miktar etki yaratabileceği anlamına gelir.
Loihi 2’nin büyük hedefi, Loihi’nin olağanüstü enerjisinden yararlanmaktır yeterlik. Tipik olarak, hesaplamadaki hantal sorunları, onlara daha fazla kas atarak ele aldık. Özellikle sinir ağları, son derece gereksizdir ve bu, son derece güce aç oldukları anlamına gelir. Ancak ne kadar enerji yatırımı için ne kadar veriyi sıkıştırabileceğiniz konusunda lojistik bir tavan var ve bu bizim istediğimizden daha yakın.
Aynı zamanda, bir nöronun durumunu güncellerken Loihi 2’nin orijinal Loihi’den iki kat daha hızlı olduğu söyleniyor. Çip boyunca programlama esnekliğinde önemli bir artışla birlikte genel performansın on kata kadar daha hızlı olduğu söyleniyor.
Yani, şuna benzer bir çiple gerçekte neler yapabilirsiniz? Bugün nasılsın? Kısa cevap, araştırmacıların büyük veri kümelerini karıştırarak, yalnızca yüksek yüklerden veya çok yakından baktığınızda ortaya çıkan eğilimleri arayabilmeleridir. Beyin, örüntü tanımada üstündür ve Loihi’nin benzer şekilde merkezi olmayan/uç bilgi işlem ve izleme sistemlerinin analizi ve kontrolünde kullanılacağı iyi bir bahistir. Çoklu kısıtlamalar içinde en uygun çözümleri bulmada üstündür. Gradyan inişi, yapay zekanın her şeyi söyleyen, dans eden bir galibi değildir, ancak Loihi’nin kullanabileceği bir silahtır.
Loihi gibi araştırma çabaları Yakında kişisel bilgisayarlarda görünmeyecek.
Sorun değil. Hawaii temasına uygun olarak Intel, geliştiricilerin ve araştırmacıların “nöro-ilhamlı” uygulamalar oluşturmak için kullanabilecekleri açık kaynaklı bir çerçeve olan Lava’yı da duyurdu. Ayrıca Intel Neuromorphic Research Community (INRC) üyelerine Kapoho Point ve Oheo Gulch adını verdikleri iki Loihi 2 tabanlı nöromorfik sistem sunuyorlar ve Lava’yı GitHub üzerinden ücretsiz olarak kullanıma sundular.
Loihi gibi araştırma projeleri, transistörün icadının vakum tüpü olduğu gibi, günümüze göre dönüşümsel olarak yeni hesaplama yöntemleri bulmayı amaçlıyor. Bu hedefi Meso veya kuantum hesaplama gibi çabalarla paylaşıyor. Bunun gibi projeler asla masaüstü veya dizüstü bilgisayarlara gelmeyebilir, ancak bunlar Intel’in, Moore yasası kadar uygulanmayan, optimize edebileceğimiz temel özelliklerle bilgi işlemde yeni sınırlar arayışını temsil ediyor.
Şimdi. Okuyun:
Intel’in Nöromorfik Loihi İşlemcisi 8M Nöron, 64 Çekirdeğe ÖlçeklendiriyorIBM, 100xIntel ile Sinir Ağı Eğitimi İçin Gereken Gücü Azaltmayı Amaçlıyor, Kod Adı Loihi olan Nöromorfik, Kendi Kendine Öğrenen Yongasını Tanıtıyor.