Индийский институт науки (IISc) объявил о прорыве в аппаратном обеспечении искусственного интеллекта, разработав нейроморфную вычислительную платформу, вдохновленную человеческим мозгом. Способная хранить и обрабатывать данные по 16 500 состояниям проводимости в молекулярной пленке, эта новая платформа представляет собой прорыв по сравнению с традиционными цифровыми системами, которые ограничены всего двумя состояниями (включено и выключено).
Шритош Госвами, доцент Центра нанонауки и инженерии (CeNSE), IISc, который возглавлял исследовательскую группу, разработавшую эту платформу, сказал, что благодаря этому открытию команда смогла решить несколько проблем, которые стояли в области нейроморфных вычислений более десяти лет. Инновация рассматривается как потенциальный фактор, меняющий правила игры для аппаратного обеспечения ИИ, предлагающий повышение энергоэффективности, скорости и производительности, что могжет открыть новые возможности для масштабного развертывания ИИ. «Чип будет готов в ближайшие два-три года, и мы также планируем сформировать стартап, чтобы вывести его на рынок», – сказал Госвами.
Нейроморфная платформа команды IISc предназначена для решения самых больших проблем, стоящих сегодня перед аппаратным обеспечением ИИ: энергопотребление и неэффективность вычислений. В традиционных цифровых процессорах искусственного интеллекта такие задачи, как обучение больших языковых моделей (LLM), являются чрезвычайно ресурсоемкими, требуют значительных вычислительных мощностей и энергии, часто ограничивая их центрами обработки данных с высокой доступностью энергии. В отличие от этого, аналоговая вычислительная платформа IISc обещает значительно сократить время и энергию, необходимые для выполнения таких задач. В первую очередь это связано с его способностью хранить и обрабатывать данные в 16 500 различных состояниях в одной ячейке, что является значительным улучшением по сравнению с двоичными системами, которые полагаются только на два состояния.
Госвами объяснил, как это нововведение коренным образом меняет способ выполнения алгоритмов ИИ. «Во всех процессах обучения основной математической операцией является векторно-матричное умножение», – сказал Госвами. «На цифровой платформе умножение вектора размера n на матрицу n × n занимает n² шагов. В отличие от этого, наш ускоритель выполняет это за один шаг. Это сокращение вычислительных этапов напрямую приводит к значительному повышению энергоэффективности». Особенно впечатляет энергоэффективность новой платформы. Согласно сравнению, приведенному Госвами, движок скалярного продукта платформы обеспечивает 4,1 TOPS/Вт, что делает его в 460 раз эффективнее, чем 18-ядерный процессор Haswell, и в 220 раз эффективнее, чем графический процессор Nvidia K80, который обычно используется в рабочих нагрузках искусственного интеллекта.
Нейроморфные вычисления – это передовая область вычислительной техники, которая имитирует архитектуру и процессы человеческого мозга. Вместо использования традиционных цифровых методов, полагающихся на двоичные состояния (0 и 1), нейроморфные системы используют аналоговые сигналы и множественные состояния проводимости для обработки информации, как нейроны в биологическом мозге.
В основе инноваций IISc лежит способность платформы обрабатывать 16 500 состояний проводимости. Чтобы представить более сложные данные, традиционные системы должны объединять несколько двоичных состояний, что увеличивает время и энергию, необходимые для обработки.
Открытые исследователями системы могут использоваться для более эффективного выполнения таких задач, как распознавание образов, обучение и принятие решений, чем обычные компьютеры. Интегрируя память и обработку в единое целое, нейроморфные вычисления обещают более быстрые и энергоэффективные решения для сложных задач, таких как искусственный интеллект, особенно в таких областях, как машинное обучение, анализ данных и робототехника. Такой уровень точности необходим для обучения продвинутых моделей ИИ, которые требуют высокоточных вычислений. «14-битная точность, которую предлагает наш ускоритель, обеспечивает надежность обучения», – добавил Госвами. Эта точность в сочетании со способностью платформы обрабатывать сложные данные за меньшее количество шагов может позиционировать инновации IISc в качестве важнейшего фактора, способствующего более быстрым и эффективным моделям искусственного интеллекта в будущем.
Помимо IISc над технологией нейроморфных вычислений активно работают несколько ведущих технологических компаний и исследовательских институтов. Intel, например, разработала свой нейроморфный чип Loihi, который использует спайковые нейронные сети для имитации функций мозга, а TrueNorth от IBM – еще одна новаторская попытка в этой области, способная моделировать миллионы нейронов и синапсов. Между тем, такие университеты, как Стэнфорд и Массачусетский технологический институт, проводят исследования по продвижению нейроморфных вычислений и интеграции их с приложениями искусственного интеллекта. Текущее состояние нейроморфных вычислений многообещающее, но все еще находится на экспериментальной стадии, причем большинство разработок сосредоточены на исследовательских прототипах, а не на широком коммерческом применении. Тем не менее, по мере того, как задачи искусственного интеллекта и машинного обучения становятся все более требовательными, нейроморфные чипы рассматриваются как потенциальный прорыв для достижения большей энергоэффективности и скорости, особенно в таких областях, как робототехника, автономные системы и обработка данных в режиме реального времени.
Несмотря на новый подход, платформа IISc ориентирована на работу вместе с существующим оборудованием искусственного интеллекта, а не для его замены. Нейроморфные ускорители, подобные разработанному IISc, особенно хорошо подходят для разгрузки задач, связанных с повторяющимся умножением матриц – обычной операцией в искусственном интеллекте.
«Графические процессоры и ТПУ, являющиеся цифровыми, отлично подходят для определенных задач, но наша платформа может взять на себя ответственность, когда дело доходит до умножения матриц. Это позволяет значительно увеличить скорость», – пояснил Госвами. Этот гибридный подход, использующий как цифровые, так и аналоговые системы, может проложить путь к более мощным и энергоэффективным моделям искусственного интеллекта.
По мере роста спроса на более совершенные модели ИИ существующие цифровые системы приближаются к пределам своих энергопотребления и производительности. Кремниевые процессоры, которые в течение многих лет стимулировали прогресс в области искусственного интеллекта, начинают демонстрировать все меньшую отдачу с точки зрения скорости и эффективности. «По мере того, как кремниевая электроника достигает предела, разработка ускорителей, вдохновленных мозгом, работющих вместе с кремниевыми чипами для обеспечения более быстрого и эффективного искусственного интеллекта, становится критически важной», – отметил Госвами.
Команда уже продемонстрировала возможности платформы, воссоздав культовое изображение NASA «Столпы творения» с космического телескопа Джеймса Уэбба. То, что потребовало бы суперкомпьютера, было выполнено на настольном компьютере с использованием платформы IISc и с меньшими затратами времени и энергии, которые традиционно требовались.
