Нейроморфные вычисления — новое мышление ИИ  Что такое «нейроморфные процессоры» и что они считают

Дисциплина, известная как «нейроморфный инжиниринг», уже несколько десятилетий ставит перед собой задачу воспроизвести, хотя бы частично, структуру человеческого мозга в виде электронных схем. Сама задача довольно старая, разработки (в том числе и вполне успешные) ведутся очень давно. (Классическая модель нейросети — перцептрон — была разработана еще в шестидесятых годах прошлого века.) Одно время нейроморфные системы имели шанс стать мейнстримным направлением в вычислительной кибернетике, но потом классическая «фон Неймановская» архитектура победила, и мы имеем то, что имеем. Однако вполне вероятно, что пришло время для ренессанса нейроморфизма в вычислительных системах, потому что для новых задач он подходит лучше «классики».

Что же это за задачи?

Думай, как человек, считай, как машина!

В пределе развития компьютерных систем, начиная с их первых шагов и до наших дней, стоит задача создания настоящего Искусственного Интеллекта — машины, которая не только может решать отдельные задачи, но и ставить перед собой новые. Достижима ли эта цель в принципе, стоит ли ее достигать, и не получим ли мы при этом больше проблем, чем выгод — вопрос дискуссионный. Однако промежуточные бонусы на этом направлении разработок настолько привлекательны, что свернуть с него никому в голову не приходит.

Пока ИИ далек от стадии «создать «Скайнет» и убить всех человеков», на пути к нему маячат весьма практичные и понятные новации «ближнего прицела». Это, в первую очередь, системы машинного обучения и нейросетевые алгоритмы. Они решают такие практические задачи, как проблема распознавания — букв, цифр, образов — и различения объектов. Уже сейчас нейрос делает это настолько хорошо, что, например, в медицинской сфере может ставить диагноз лучше (или, как минимум, раньше), чем обычный доктор, распознав в тысяче рентгеновских снимков один с характерным признаком опухоли.

Сейчас нейросети работают на вычислительных платформах с обычной, фон Неймановской архитектурой. Однако необходимая для «сравнительных» вычислений многопоточность делает их неоптимальными. Дело в том, что вычисления, требуемые для реализации алгоритмов нейронной сети, простые, но их надо сделать очень-очень много и, желательно, одновременно. Обычные процессоры с их последовательной схемой работы подходят плохо, приходится использовать видеокарты с их тысячами и десятками тысяч слабеньких, но специализированных вычислительных модулей. Однако специализированы они, в общем, под другие задачи, и проблема «железа для нейровычислений» остается острой. Человек, с его относительно небольшой аппаратной вычислительной мощностью, все еще справляется с задачей «распознавание и сравнение» на три порядка лучше самого мощного компьютерного кластера.

И вот тут напрашивается идея «скопировать человека».

Нейроморфированное железо

Термин «нейроморфный» применительно к вычислительным системам означает, что технологические барьеры преодолеваются с помощью подходов, заимствованных из биологии, основываясь на принципах работы мозга. Нейроморфная система — это уход от классической архитектуры фон Неймана.

В архитектуре фон Неймана чтобы сложить два числа, одно число берется из памяти, помещается в регистр процессора, затем берется другое число, помещается в другой регистр процессора. Выполняется операция, результат кладется в третий регистр процессора, откуда перемещается обратно в память. Современный процессор делает это очень быстро, но КПД процесса так себе. Большинство вычислений в нейронных сетях основано на потоке данных, постоянное переключение между блоками обработки и блоками памяти становится узким местом, тормозящим производительность. Это требует новых архитектур и процессорных реализаций, которые будут удовлетворять постоянно растущим требованиям нейросетевых алгоритмов.

Ключевое отличие архитектуры нейроморфных процессоров от традиционной фон Неймановской архитектуры заключается в том, что в них память и вычислительные ядра объединены, поэтому расстояние передачи данных сведено к минимуму. Это минимизирует задержки и расход энергии.

Нейроморфным процессорам, в отличие от классических, не нужно обращаться к памяти (или регистрам) и извлекать оттуда данные — вся информация уже хранится в искусственных нейронах. Таким образом, становится возможна обработка больших данных на конечных устройствах без необходимости дополнительных вычислительных мощностей. Так, например, отечественный нейроморфный процессор «Алтай» потребляет на сравнимых задачах почти в тысячу раз меньше энергии, чем традиционные графические ускорители (GPU). Учитывая, что робототехника, носимые устройства или автономные автомобили требуют все более сложных вычислительных устройств, работающих в режиме реального времени с малой задержкой и низким энергопотреблением, нейроморфные процессоры выглядят очень перспективным направлением.

Перспективы и выводы

В настоящее время направление нейроморфных процессоров вызывает огромный интерес во всем мире, и такие чипы постепенно становятся доступными для научного и промышленного использования. Параллельно с доступностью чипов ученые в сфере искусственного интеллекта создают все более эффективные механизмы обучения нейроморфных нейросетей.

В отличие от традиционных, фон Неймановских, вычислительных архитектур, логика и устройство нейроморфных процессоров изначально специализирована для работы именно нейронных сетей. Это специализированный класс микропроцессоров, которые используются для аппаратного ускорения работы алгоритмов компьютерного зрения, распознавания голоса и изображений, машинного обучения и других методов искусственного интеллекта. Мы вряд ли увидим их в домашних десктопах. Однако число таких задач в стремительно цифровизирующемся мире настолько велико, что в разработку нейроморфных систем вкладываются многие, в том числе и в России.

Так, например, «Лаборатория Касперского» стала акционером компании «Мотив нейроморфные технологии» с долей участия 15%. Компании вместе разрабатывают вышеупомянутый нейроморфный процессор «Алтай». На сегодняшний день это один из самых энергоэффективных процессоров в мире. Эксперты считают, что, в отличие от классических архитектур, где отставание России велико, в области нейроморфного железа наше страна вполне на острие прогресса.

Скорее всего, уже в ближайшем будущем практические задачи нейронных сетей, реализуемые сейчас на GPU, будут переводиться на нейроморфное железо, все более и более приближаясь по архитектуре к работе человеческого мозга, который призвано заменить.

А там и до «Скайнета» недалеко.