Из Википедии, свободной энциклопедии
Перейти к навигацииПерейти к поиску

Когнитивный компьютер сочетает в себе искусственный интеллект и алгоритмы машинного обучения, в подходе , который пытается воспроизвести поведение человеческого мозга. [1] Обычно используется нейроморфный инженерный подход. Пример когнитивного компьютера, реализованного с использованием нейронных сетей и глубокого обучения, представлен машиной Watson компании IBM . Последующая разработка IBM - это микрочиповая архитектура TrueNorth , которая по структуре должна быть ближе к человеческому мозгу, чем архитектура фон Неймана, используемая в обычных компьютерах. [1]В 2017 году Intel анонсировала собственную версию когнитивного чипа Loihi, которая будет доступна университетам и исследовательским лабораториям в 2018 году. Intel, Qualcomm и другие компании постоянно совершенствуют нейроморфные процессоры, Intel со своими системами Pohoiki Beach и Springs [2 ] [3]

Чип IBM TrueNorth

Плата DARPA SyNAPSE с 16 чипами TrueNorth

TrueNorth был нейроморфной интегральной схемой CMOS, произведенной IBM в 2014 году. [4] Это многоядерная процессорная сеть на базе микросхемы , с 4096 ядрами , каждое из которых имеет 256 программируемых имитированных нейронов, что в общей сложности составляет чуть более миллиона нейронов. В свою очередь, каждый нейрон имеет 256 программируемых « синапсов », передающих сигналы между ними. Следовательно, общее количество программируемых синапсов составляет чуть более 268 миллионов (2 28 ). Его основное количество транзисторов составляет 5,4 миллиарда. Поскольку память, вычисления и связь обрабатываются в каждом из 4096 нейросинаптических ядер, TrueNorth обходит узкое место архитектуры фон Неймана и очень энергоэффективен: IBM заявляет, что потребляемая мощность составляет 70 милливатт, а плотность мощности составляет 1/10 000. th обычных микропроцессоров. [5] Synapse чип работает при более низких температурах и мощности , так как она привлекает только мощность , необходимую для вычислений. [6] Скирмионы были предложены как модели синапсов на чипе. [7] [8]

Нейроны эмулируются с использованием модели Linear-Leak Integrate-and-Fire (LLIF), упрощенной модели « интегрировать-и- активировать утечку» .

Чип Intel Loihi

Самообучающийся нейроморфный чип Intel под названием Loihi (произведен в 2017 году), возможно, названный в честь гавайской подводной горы Lʻihi , предлагает значительную энергоэффективность, разработанную по образу человеческого мозга. Intel утверждает, что Loihi примерно в 1000 раз более энергоэффективен, чем вычислительная мощность общего назначения, необходимая для обучения нейронных сетей, которые конкурируют с производительностью Loihi. Теоретически это будет поддерживать как обучение машинному обучению, так и логический вывод на одном и том же кристалле независимо от облачного соединения, и будет более эффективным, чем использование сверточных нейронных сетей (CNN) или нейронных сетей с глубоким обучением. . Intel указывает на систему для мониторинга сердцебиения человека, снятия показаний после таких событий, как упражнения или прием пищи, и использования чипа когнитивных вычислений для нормализации данных и определения «нормального» сердцебиения. Затем он может выявлять отклонения, а также справляться с любыми новыми событиями или условиями.

Первая итерация чипа Loihi была сделана с использованием 14-нм технологического процесса Intel и содержит 128 кластеров из 1024 искусственных нейронов в каждом, всего 131 072 моделируемых нейронов. [9] Он предлагает около 130 миллионов синапсов , что все еще довольно далеко от 800 триллионов синапсов человеческого мозга , и меньше TrueNorth от IBM , который имеет около 256 миллионов при использовании 64 на 4096 ядер. [10] Loihi теперь доступен для исследовательских целей более чем 40 академическим исследовательским группам в виде USB-устройства . [11] [12] Последние разработки включают 64-ядерный чип под названием Pohoiki Beach (в честь Isaac Hale Beach Park, также известный как Pohoiki). [13]

В октябре 2019 года исследователи из Университета Рутгерса опубликовали исследовательский документ, демонстрирующий энергоэффективность Intel Loihi при решении одновременной локализации и картирования . [14]

В марте 2020 года Intel и Корнельский университет опубликовали исследовательский документ, демонстрирующий способность Loihi из Intel распознавать различные опасные материалы , что в конечном итоге может помочь «диагностировать болезни, обнаруживать оружие и взрывчатые вещества , находить наркотики и выявлять признаки дыма и угарного газа. ". [15]

SpiNNaker

Спинакер (Прокалывание Neural Network Architecture) является массивно параллельным , многоядерной архитектурой суперкомпьютера разработан Advanced Processor Technologies Research Group (АПП) на факультете компьютерных наук, Университет Манчестера . [16]

Критика

Есть много подходов и определения для когнитивного компьютера , [17] и другие подходы могут быть более плодотворными , чем другие. [18]

В частности, есть критики, которые утверждают, что компьютер размером с комнату - как в случае с Уотсоном - не является жизнеспособной альтернативой трехфунтовому человеческому мозгу. [19] Некоторые также указывают на то, что одной системе сложно объединить столько элементов, как разрозненные источники информации, а также вычислительные ресурсы. [20] Во время Всемирного экономического форума 2018 года были эксперты, которые утверждали, что когнитивные системы могут принимать предвзятость их тренировочных данных, и что это было продемонстрировано в случае алгоритма распознавания изображений Google или компьютерного зрения, который неблагоприятно идентифицировал афроамериканцев. . [21]

См. Также

  • AI-ускоритель
  • Когнитивные вычисления
  • Вычислительное познание
  • Нейроморфная инженерия
  • СИНАПС
  • Блок тензорной обработки
  • Тест Тьюринга

Ссылки

  1. ^ a b Witchalls, Клинт (ноябрь 2014 г.). «Компьютер, который думает». Новый ученый . 224 (2994): 28–29. Bibcode : 2014NewSc.224 ... 28W . DOI : 10.1016 / S0262-4079 (14) 62145-X .
  2. ^ Intel's Pohoiki Beach, 64-чиповая нейроморфная система, обеспечивает прорывные результаты в исследовательских тестах
  3. ^ http://www.businesskorea.co.kr/news/articleView.html?idxno=43451
  4. ^ Меролла, Пенсильвания; Артур, СП; Alvarez-Icaza, R .; Кэссиди, А.С.; Sawada, J .; Акопян, Ф .; Джексон, Б.Л .; Имам, Н .; Guo, C .; Nakamura, Y .; Brezzo, B .; Во, I .; Esser, SK; Appuswamy, R .; Таба, Б .; Амир, А .; Фликнер, доктор медицины; Риск, WP; Manohar, R .; Modha, DS (2014). «Миллионная интегральная схема пиковых нейронов с масштабируемой коммуникационной сетью и интерфейсом». Наука . 345 (6197): 668–73. Bibcode : 2014Sci ... 345..668M . DOI : 10.1126 / science.1254642 . PMID 25104385 . S2CID 12706847 .  
  5. ^ https://spectrum.ieee.org/computing/hardware/how-ibm-got-brainlike-efficiency-from-the-truenorth-chip Как IBM получила интеллектуальную эффективность от чипа TrueNorth
  6. ^ «Когнитивные вычисления: нейросинаптические чипы» . IBM. 11 декабря 2015.
  7. ↑ Сон, Кён Ми; Чон, Джэ-Сын; Пан, Бяо; Чжан, Сичао; Ся, Цзин; Ча, Сункён; Пак, Тэ-Ён; Ким, Квангсу; Финицио, Симона; Раабе, Йорг; Чанг, Джунён; Чжоу, Ян; Чжао, Вэйшэн; Канг, Ван; Джу, Хёнсу; У, Сонхун (март 2020 г.). «Искусственные синапсы на основе скирмионов для нейроморфных вычислений». Природа Электроника . 3 (3): 148–155. arXiv : 1907.00957 . DOI : 10.1038 / s41928-020-0385-0 . S2CID 195767210 . 
  8. ^ https://venturebeat.com/2020/12/15/neuromorphic-computing-the-long-path-from-roots-to-real-life/
  9. ^ «Почему Intel построила нейроморфный чип». 29 сентября 2017 г. www.ZDNet.com
  10. ^ «Intel представляет нейроморфный чип Loihi, преследует IBM в искусственном мозге». 17 октября 2017 г. AITrends.com
  11. ^ «Intel наращивает усилия в области нейроморфных вычислений с новыми партнерами по исследованиям | TOP500 суперкомпьютерных сайтов» .
  12. ^ http://niceworkshop.org/wp-content/uploads/2018/05/Mike-Davies-NICE-Loihi-Intro-Talk-2018.pdf
  13. ^ "Нейроморфный процессор Intel Loihi масштабируется до 8M нейронов, 64 ядра - ExtremeTech" .
  14. ^ Тан, Гуанчжи; Шах, Арпит; Михмисос, Константинос. (2019). «Пиковая нейронная сеть на нейроморфном оборудовании для энергосберегающего одномерного SLAM». Международная конференция IEEE / RSJ по интеллектуальным роботам и системам (IROS) 2019: 4176–4181. arXiv : 1903.02504 . DOI : 10.1109 / IROS40897.2019.8967864 .
  15. ^ Имам, Набиль; Клеланд, Томас А. (2020). «Быстрое онлайн-обучение и надежная память в нейроморфном обонятельном контуре». Природа Машинный интеллект . 2 (3): 181–191. arXiv : 1906.07067 . DOI : 10.1038 / s42256-020-0159-4 . S2CID 189928531 . 
  16. ^ "Исследовательские группы: APT - Advanced Processor Technologies (Школа компьютерных наук - Университет Манчестера)" .
  17. ^ Schank, Роджер C .; Чайлдерс, Питер Г. (1984). Когнитивный компьютер: язык, обучение и искусственный интеллект . Аддисон-Уэсли Паб. Co. ISBN 9780201064438.
  18. ^ Уилсон, Стивен (1988). «Когнитивный компьютер: о языке, обучении и искусственном интеллекте Роджера С. Шанка, Питера Чайлдерса (обзор)» . Леонардо . 21 (2): 210. DOI : 10,2307 / 1578563 . ISSN 1530-9282 . JSTOR 1578563 . S2CID 56814452 . Проверено 13 января 2017 года .   
  19. ^ Ноймайер, Марти (2012). Метаавыки: пять талантов для эпохи роботов . Индианаполис, Индиана: Новые гонщики. ISBN 9780133359329.
  20. ^ Гурвиц, Джудит; Кауфман, Марсия; Боулз, Адриан (2015). Когнитивные вычисления и аналитика больших данных . Индианаполис, IN: John Wiley & Sons. п. 110. ISBN 9781118896624.
  21. ^ Чоудхури, Сахели Рой (2018-09-18). «У ИИ есть проблема предвзятости, которую необходимо исправить: Всемирный экономический форум» . CNBC . Проверено 12 октября 2018 .

Ссылки

http://www.foxnews.com/tech/2018/01/09/ces-2018-intel-gives-glimpse-into-mind-blowing-future-computing.html