Нейроморфные вычисления и их перспективы для искусственного интеллекта

Нейроморфные вычисления и их перспективы для искусственного интеллекта

Выпуск 6 (6705) от 26 марта 2020 г.
РУБРИКА: БИОТЕХНОЛОГИИ И БИОИНЖЕНЕРИЯ

В своем последнем отчете «Нейроморфное восприятие и вычисления 2019» (Neuromorphic Sensing and Computing 2019) специалисты Yole Développement (Лион, Франция) подсчитали, что рынок нейроморфных вычислений может вырасти с 69 млн долл. в 2024 г. до 5 млрд в 2029 и 21,3 млрд в 2034 г. Изменения в первую очередь затронут такие приложения, как смартфоны, робототехника и умные дома.

Глубокое обучение – ​технология с очень большим, может быть, даже революционным потенциалом. Вычислительные потребности глубокого обучения стали в настоящее время одним из существенных факторов успеха на рынке таких фирм, как Intel и NVIDIA. Также динамично развивается множество стартапов, предлагающих новые способы улучшения вычислений. Большинство из этих компаний используют фон-неймановскую (принстонскую) архитектуру, однако на рынке уже появились разработчики вычислительных средств, предлагающие вырваться за рамки существующих ограничений ИИ. Среди таких первопроходцев, отстаивающих новую парадигму ИИ, – ​фирмы, специализирующиеся на средствах нейроморфного восприятия и вычислений.

Специалисты Yole Développement провели интервью с Роджером Левинсоном, главным операционным директором фирмы BrainChip – ​одного из ведущих разработчиков в области нейроморфных вычислений. Ниже приводится краткое изложение этой беседы.

Как утверждается, фирме BrainChip удалось разработать революционный сетевой нейронный процессор, выводящий ИИ за грань возможностей существующих технологий. Это высокопроизводительное малогабаритное устройство со сверхнизким энергопотреб-лением, обеспечивающее широкую функциональность, включая локальное обучение и способность к формированию логических выводов.



Источник: Yole Développement

Рисунок 1. Прогнозы продаж нейроморфных сенсорных и вычислительных устройств на 2024, 2029 и 2034 гг. – по сегментам рынка


Разработанный сетевой нейронный процессор представляет собой прибор, управляемый событиями, т. е. относится к типу программных систем, где поведение компонента системы определяется набором возможных внешних событий и ответных реакций компонента на них. Процессор работает по принципам человеческого мозга и реализован с использованием стандартного цифрового производственного процесса. За счет этого специалисты BrainChip создали событийно-управляемую нейронную сеть Akida, являющуюся одновременно масштабируемой и гибкой (для удовлетворения требований периферийных устройств). Подражая работе мозга, процессор событий поддерживает как стандартные клеточные нейронные сети (CNN), так и искусственные нейронные сети (SNN). Конкретная задача подобных устройств заключается в том, чтобы анализировать входные данные датчиков непосредственно в точке сбора, без передачи в «облако» или центр обработки данных (ЦОД). Akida предназначена для создания полнофункциональной краевой сети ИИ со сверхнизким энергопотреблением. Подобные сети могут применяться в таких приложениях, как видеонаблюдение, интеллектуальные преобразователи аудио- и видео-данных и т. п.

Что же такое нейроморфные вычисления и в чем их отличие от широко используемых сегодня фон-неймановских вычислений? В основе нейроморфных вычислений лежат принципы обработки информации реальным мозгом – ​с использованием нейронов, синапсов и формата данных, который называется «пичковым» (импульсным). Пичковые (импульсные) нейронные сети лучше имитируют работу мозга, чем перцептроны, которые используют значения с плавающей запятой и в настоящее время являются эталонной моделью нейронов в индустрии искусственного интеллекта. Все нейронные сети представляют собой ту или иную форму моделирования или эмуляции нейронов и взвешенных связей между ними. В нейроморфном подходе используются импульсы нейронов, а также связи между нервными клетками с памятью (синапсы). Нейроны выполняют пространственную и временную интеграцию синаптических входов и производят один или серию импульсов, когда интегрированная сумма входных значений превышает пороговое значение. В мозге большая часть информации передается таким образом в виде пичков (или их серий). Существуют также прямые электрические связи между нейронами.

Пички – ​это короткие всплески энергии, которые указывают на возникновение события. Значение, которое хранится в синапсе, высвобождается при получении пичка. Цифровой импульс – ​это значение в определенный момент времени, вызванное событием. Это может быть любое событие в физическом мире – ​например, переход от света к темноте на краю объекта на изображении. Пички содержат информацию об их пространственном распределении, интенсивности и времени, когда они происходят. В биологических нейронах значение синаптической массы представляет собой аналоговый потенциал, и интеграция этих потенциалов вызывает увеличение или уменьшение мембранного потенциала нервной клетки. Биологические и цифровые нейронные пички всегда бинарны – ​они либо есть, либо нет. При эмуляции цифрового нейрона в сети Akida все эти потенциалы моделируются как целые значения. Однако аспект времени не потерян: обработка на основе событий – ​ключевой фактор эффективности нейронной сети, а пичок-тайминг занимает центральное место в механизме ее обучения.

Основное различие между фон-неймановскими и нейроморфными вычислениями состоит в том, что первый подход представляет собой математическую модель, которая следует аналитическим правилам и где время не оказывает влияния. В свою очередь, нейроморфный подход характеризуется введением времени, которое входит в понятие импульса, и использованием памяти нейронных связей, т. е. синапсов, что делает его новой парадигмой, преодолевающей ограничения, которым подвержена архитектура фон Неймана. Помимо этого расширяются возможности пластичности, обусловленной временем импульса (spike-timing-dependent plasticity, STDP), одного из принципов работы систем, имитирующих мозг, а также одного из элементов импульсных нейронных сетей.

В рамках семейства изделий Akida фирма BrainChip предлагает как полностью интегрированные кремниевые приборы типа «система-на-кристалле», так и СФ-блоки для интеграции во встраиваемые решения, такие как специализированные ИС (ASIC). Платформа Akida содержит все, что необходимо для построения однокристального или встроенного решения ИИ.



Источник: BrainChip

Рисунок 2. Нейроморфная система на чипе (NSoC) Akida компании BrainChip – новое поколение ускорителей импульсных (пичковых) нейронных сетей для краевых, серверных и облачных приложений. Эти импульсные нейронные сети создаются и обучаются с использованием среды разработки Akida

* Высокоскоростная шина последовательного ввода–вывода.


Нейроморфная SoC Akida включает в себя нейронную структуру, управляющую всей нейронной сетью без микропроцессора или внешней памяти, и микропроцессор общего назначения для управления ИС и средствами поддержки системы. Она также может функционировать в качестве сопроцессора главного компьютера, используя встроенный интерфейс PCIe или интерфейс USB3. Интерфейсы I3S и I2C предназначены для ввода данных с датчиков. Встроенный процессор может использоваться для предварительной обработки данных датчиков в автономном режиме или для создания дополнительных методов обучения. Существует возможность расширения SoC с помощью внешней ДОЗУ через интерфейс LPDDR4. Интерфейс SPI Flash используется для загрузки ОС и программ процессорного ядра ARM. Веса и детали реконфигурации сохраняются во флэш-памяти.

Предлагаемое решение со сверхнизким энергопотреблением, способное выполнять сложные операции ИИ с потребляемой мощностью до миливатта, а также осуществлять автономную работу и персонализацию с помощью встроенных возможностей обучения, выгодно отличает продукцию BrainChip от изделий ближайших конкурентов.

Сегодня основными проблемами периферийных устройств являются жестко ограниченные (по ряду причин) бюджеты потребляемой мощности, а также возможности автономности, причем увеличение числа транзисторов (счет и так уже идет на миллиарды) ни одну из них не решает. Ответом может стать более эффективная архитектура в сочетании с возможностью обучения, не требующая больших наборов данных и глубоких обучающих циклов. Разработанная фирмой BrainChip система Akida – ​первая в планируемом семействе изделий, призванных напрямую решать обе проблемы.

Разработки фирмы BrainChip нацелены на широкий спектр краевых приложений, использующих клеточные и искусственные нейронные сети, включая решения для интеллектуальных камер, устройств умного дома, перспективных систем помощи водителю (ADAS) и приложений автономных транспортных средств, робототехники, промышленного мониторинга, промышленного Интернета вещей и т. д. СФ-блоки BrainChip уже доступны, а выход на рынок сетевой SoC ожидается в первой половине 2020 г.

Исходя из текущей активности клиентов в области проектирования и рыночного спроса, можно предположить, что 2021 г. станет годом массового появления следующего поколения процессоров ИИ, основанных на принципах нейроморфных вычислений.


Levinson Roger, Tschudi Yohann. Neuromorphic Computing, a Better Solution for Artificial Intelligence? – ​An Interview with BrainChip. I-Micronews magazine, February 27, 2020: https://www.i-micronews.com/neuromorphic-computing-a-better-solution-for-artificial-intelligence/?preview=true&_thumbnail_id=120052&utm_source=ZohoCampaigns&utm_campaign=iMN_28Feb2020_Asia&utm_medium=email&cn-reloaded=1


ЧИТАЙТЕ ТАКЖЕ