«Когда-то была гонка вооружений за то, чтобы отправить человека на Луну, теперь идет гонка технологий, чтобы поместить искусственный мозг на чип».
Почему все началось
Эволюция искусственного интеллекта от перцептрона к глубоким нейронным сетям была настолько быстрой, что даже сами машины остались позади. Процессоры и графические процессоры, хотя и предназначены для обработки миллионов вычислений за секунды, теперь становятся узкими местами для дальнейшей эволюции искусственного интеллекта.
Такие компании, как Google, Nvidia, Intel, IBM, сделали все возможное, чтобы разработать специализированное оборудование для вычислений нейронных сетей. Google изготовил Tensor Processing Unit (TPU), специализированную интегральную схему (ASIC), изначально предназначенную для обработки тензорных / векторных вычислений. Специализированная интегральная схема (ASIC) - это индивидуальная схема, разработанная с единственной целью - эффективно выполнять конкретную задачу. Мы видели интенсивное использование ASIC в сети майнинга биткойнов для вычисления хэш-функции доказательства работы. Даже GPU Giant, Nvidia разработала аппаратные блоки Tesla V100, специализирующиеся на обучении нейронных сетей, превосходящие их собственное оборудование GPU, за счет увеличения производительности в 12 раз. Что дальше?
Лоихи, это больше не просто вулкан
Intel удивила сообщество исследователей искусственного интеллекта, не только сделав шаг вперед, но и сделав гигантский скачок в области специализированного оборудования для искусственного интеллекта или, скорее, Neuroware. Intel объявила в своем блоге о Loihi, первом в своем роде самообучающемся чипе. Вдохновленный связью между нейронами человеческого мозга с помощью импульсных и пластиковых синапсов, Loihi включает 130 000 искусственных нейронов и 130 миллионов синапсов. Исследовательский чип Loihi имитирует основные механизмы человеческого мозга, обеспечивая более быстрое и эффективное машинное обучение с меньшим энергопотреблением. Более низкое энергопотребление явно связано с увеличением срока службы батареи, позволяя устройствам Интернета вещей (IoT) эффективно использовать возможности машинного обучения локально. Loihi с легкостью обеспечит выполнение вычислений в реальном времени благодаря своей компактной конструкции и возможности самообучения. Самообучение на чипе снижает зависимость от облака для вывода и подталкивает машины к автономности. Применения таких нейрооборудования огромны: от автономных транспортных средств до устройств с поддержкой голоса, таких как Alexa, Google Home. Устройства, встроенные в neurowares, могут обучаться локально на персонализированных пользовательских наборах данных для вывода, адаптированного для этого пользователя. Возможности могут быть безграничными, нейрооборудование может помочь построить лучшее будущее.
Я не поверю, пока не увижу
О да, это вполне законно. Technews наводнен статьями о Лоихи. Intel предоставила краткую картину того, как выглядит Лоихи. Intel также упоминает о более чем десятилетнем сотрудничестве с исследователями из Калифорнийского технологического института в области исследований нейроморфного оборудования. По сути, Loihi представляет собой архитектуру нейроморфного чипа с инновационным использованием асинхронных пиков. Intel не является изобретателем нейроморфных чипов. Нейроморфные чипы существуют с 80-х годов прошлого века, а центральные процессоры завоевывают всю славу. Внезапный рост популярности нейроморфных чипов связан с их синергизмом с искусственными нейронными сетями.
И еще немного биологии
Идеология нейроморфной архитектуры заключается в асинхронном характере импульсов нейронов. Чтобы понять суть нейроморфных чипов, требуется очень подробное введение в несколько терминов Biology 101, мы обещаем, что это будет просто.
нейрон - это электрически возбудимая клетка, которая получает, обрабатывает и передает информацию посредством электрических сигналов.
синапс - это структура, которая позволяет нейрону передавать электрические сигналы. сигнал другому нейрону.
Говорят, что нейрон вспыхивает, когда электрические сигналы, которые он получает (от других нейронов), превышают определенный порог напряжения. Пикирование нейрона можно рассматривать как асинхронное событие, передающее сигналы, чтобы информировать другие нейроны о соответствии определенному критерию, то есть порогу напряжения.
Нейроны взаимодействуют посредством пиков, формируя основные функции человеческого мозга. Визуализацию взаимосвязей нейронов через синапсы можно увидеть ниже.
Подобное представление структуры можно наблюдать в нейроморфной архитектуре. Нейроморфная архитектура включает в себя независимые кремниевые нейроны, которые взаимодействуют для решения проблемы, взаимодействуя посредством асинхронных событий распределенным образом. Независимые кремниевые нейроны суммируют входящие сигналы от асинхронных события для запуска новых сигналов асинхронного события. Каждый из этих нейронов также содержит локализованную память. При таком разделении и распределении вычислений и памяти может быть достигнуто массовое распараллеливание. Помимо параллельного выполнения, асинхронное срабатывание нейрона помогает снизить энергопотребление нейроморфных чипов по сравнению с процессорами. т.е. энергия потребляется только тогда, когда нейрон запускается.
Каждый нейрон дает импульс, когда входной сигнал достигает порогового значения этого нейрона. Нейроны передают свои импульсы через синапсы, соединяющиеся с другими нейронами. Выход определяется исключительно комбинацией импульсов нейронов.
Вышеупомянутое пытается объяснить очень высокоуровневое представление нейроморфной архитектуры. Такое специализированное оборудование обеспечивает компаниям лидирующие позиции на рынке искусственного интеллекта. Neurowares элегантно устраняет узкие места централизованной архитектуры фон-Неймана (ЦП) за счет децентрализации памяти и вычислений.
Волна децентрализации
От децентрализованной аппаратной архитектуры до децентрализованных сетей с искусственным интеллектом, движение за децентрализацию быстро набирает массу, поскольку оно скатывается от нишевой технологии к мейнстриму. Децентрализованные протоколы разрушат разрушители, основанные на централизованных системах сегодня. Децентрализация - это процесс передачи власти от централизованной власти отдельным лицам, участвующим в сети. Биткойн и Эфириум - два ярких примера таких децентрализованных сетей. Такие сети поддерживают тесную связь с майнер-узлами. Майнер-узлы - это вычислительное оборудование, которое выполняет функции протокола для вознаграждения за криптовалюту.
Такое децентрализованное объединение искусственного интеллекта сделает доступ к моделям искусственного интеллекта более демократичным. Монополизация услуг искусственного интеллекта крупными компаниями неизбежна, пока не появится децентрализованная платформа искусственного интеллекта с открытым исходным кодом. Чтобы децентрализованный искусственный интеллект практически существовал, узлы-майнеры должны быть оптимизированы для решения огромного количества матричных вычислений. Такая децентрализованная сеть искусственного интеллекта могла бы существовать сегодня с огромной мощностью майнер-узлов GPU и CPU.
Нейроморфный майнер-узел
Помимо многочисленных преимуществ, которые децентрализованные сети предоставляют для формирования и преобразования общества, которое мы имеем сегодня, такие сети обладают своеобразным свойством стимулирования работы. В случае сети Биткойн, чем больше хэш-мощности обеспечивает узел-майнер для защиты сети и обработки транзакций, тем больше шансов, что узел-майнер получит блок вознаграждения. Владельцы майнер-узлов изготовили специализированное оборудование ASIC, чтобы оставаться впереди в игре по зарабатыванию блока вознаграждения. Аналогичная тенденция от CPU к ASIC в сети биткойнов может быть воспроизведена в децентрализованных сетях с искусственным интеллектом. Узлы-майнеры перейдут с CPU / GPU на более совершенные процессоры, более ориентированные на выполнение нейронных сетей, чтобы получить более высокое вознаграждение. Такими усовершенствованными модулями обработки могут быть модули тензорной обработки (TPU), оборудование Nvidia, ориентированное на логический вывод искусственного интеллекта, или Neurowares, такие как Loihi, в зависимости от наличия на рынке. С нейроморфными узлами децентрализованный искусственный интеллект сможет эффективно и справедливо распределять услуги искусственного интеллекта.
Цените время, потраченное на чтение статьи. Подписывайтесь на меня, если контент показался вам интересным и ценным. Подпишитесь на публикацию ChainIntel, чтобы оставаться в курсе децентрализованного движения искусственного интеллекта.
