Процессор, разрабатываемый под кодовым наименованием TrueNorth, имеет 5,4 млрд транзисторов, размещенных в сети из 4096 нейросинаптических ядер

Корпорация IBM сделала очередной шаг по направлению к амбициозной цели создания процессора, который работал бы так же, как человеческий мозг. Создан второй, более совершенный чип, моделирующий функционирование мозга высокоразвитых живых существ.

 

«Достигнута очередная веха в области разработки компьютеров, имитирующих работу мозга», — отметил Дхармендра Модха, главный научный сотрудник IBM Research, занимающийся созданием вычислительных систем, моделирующих функционирование мозга.

 

В проектировании чипа принимали также участие исследователи из Корнелльского университета. «Наша архитектура воспроизводит структуру и функции мозга в кремнии и демонстрирует при этом высокую эффективность с точки зрения энергопотребления», — подчеркнул Модха.

 

Коммерческая версия чипа могла бы выступать в качестве датчика с низким энергопотреблением, который подходит для широкого спектра встроенных и портативных устройств. «Новый процессор претендует на роль кремниевого мозга для Интернета вещей, — отметил Модха. — Он способен перевернуть весь наш опыт использования мобильных устройств».

 

Процессор мог бы найти применение в больших суперкомпьютерах, обеспечивая ускорение машинного обучения и выполнение других операций в нейронных сетях.

 

Это уже второй чип, моделирующий работу мозга, который был создан в IBM командой Модхи. Первый появился в 2011 году.

 

Новый процессор, разрабатываемый под кодовым наименованием TrueNorth, имеет 5,4 млрд транзисторов, размещенных в сети из 4096 нейросинаптических ядер. Он представляет собой эквивалент 256 млн синапсов, значительно превосходя модель 2011 года, в которой насчитывалось около 260 тыс. синапсов.

 

Компания IBM объединила 16 чипов в четыре массива, которые эквивалентны 16 млн нейронов и 4 млрд синапсов. Конструкцию можно масштабировать и дальше, создавая еще более крупные решения.

 

Нынешние работы уходят своими корнями в проект Systems of Neuromorphic Adaptive Plastic Scalable Electronics (SyNAPSE), к реализации которого в 2008 году приступило DARPA, агентство перспективных оборонных исследований Пентагона.

 

Новый чип радикально отличается от существующей сегодня вычислительной архитектуры фон Неймана, в которой операции выполняются последовательно.

 

Архитектура IBM моделирует работу человеческого мозга. Каждое «нейросинаптическое ядро» имеет собственную память («синапсы»), процессор («нейрон») и коммуникационный канал («аксоны»). Все эти компоненты связаны друг с другом и управляются событиями.

 

Объединение ядер позволяет улавливать различные нюансы при распознавании образов и обладает другими особенности чувственного восприятия, присущими мозгу.

 

Как и мозг, новый чип потребляет очень мало энергии. Для выполнения типичной операции ему требуется всего 70 мВт, что на порядок меньше энергопотребления стандартных процессоров. Компания Samsung изготовила прототип чипа с использованием литографического процесса с нормой проектирования 28 нм.

 

Столь низкое энергопотребление (это меньше, чем требуется слуховому аппарату) открывает самый широкий спектр областей потенциального применения, особенно на устройствах с ограниченными возможностями источников питания.

 

Такой процессор можно встроить, например, в мобильное устройство или датчик, в котором он будет обучаться распознавать объекты, анализируя звуковые, визуальные или мультисенсорные источники данных. Сегодня для решения такой задачи, требующей интенсивных вычислений, нужен выделенный сервер. Новый же чип позволит легко выполнить ее прямо на удаленном устройстве, исключая необходимость направления видеопотока в ЦОД.

 

Архитектура, созданная по образу человеческого мозга, не предназначена для замены стандартных процессоров и будет использоваться наряду с ними для решения задач, которые требуют большого количества вычислительных операций, выполняемых параллельно.

 

В ЦОД новые чипы можно было бы использовать в платах ускорителей для построения нейронных сетей машинного обучения. Многие алгоритмы машинного обучения, находящие сегодня коммерческое применение, можно легко адаптировать к особенностям этой архитектуры, обеспечивающей высокоэффективное выполнение параллельных операций при минимальных затратах электроэнергии.