Современные компьютеры обладают огромной вычислительной мощностью, тем не менее, их возможности блекнут по сравнению с возможностями самого совершенного биологического компьютера — головного мозга. И для решения этой проблемы ученые и инженеры уже достаточно давно занимаются разработкой специализированных компьютерных процессоров, которые, используя искусственные нейроны и синапсы, копируют принципы работы головного мозга. Большим достижением в этой области является самая мощная на сегодняшний день нейроморфная вычислительная система Pohoiki Springs, анонсированная недавно компанией Intel. В состав этой системы входит 100 миллионов искусственных нейронов, что ставит ее на один уровень с мозгом мелкого млекопитающего.
Традиционные процессоры весьма хороши в деле быстрого проведения огромного количества последовательных расчетов. Однако, они не владеют мастерством абстрактного мышления, без затрат большого количества энергии и времени такие системы не могут определить различия между собаками и кошками, к примеру, и сделать другие вещи, с которыми мозг человека справляется с первого взгляда. Толику абстрактного мышления традиционным компьютерам придают технологии глубинного машинного обучения на базе искусственных нейронных сетей. Однако, нынешняя реализация этих технологий также далека от совершенства, прежде чем нейронные сети начнут выдавать достоверные результаты, они требуют предварительного обучения на тысячах и миллионах соответствующих примеров, на что также требуется немалое время и достаточно значительное количество энергии.
И тут в дело вступают нейроморфные процессоры, как те, с которыми экспериментирует компания Intel. Эти процессоры имеют на своем кристалле цепи, являющиеся аналогами нейронов и синапсов, в частности процессор Loihi имеет по 130 тысяч этих элементов, что позволяет ему работать, как части головного мозга. Более того, информация в таком процессоре хранится и обрабатывается в одном и том же месте, что позволяет экономить время и энергию. Плюс к этому, во время работы чип постоянно самообучается, корректируя внутренние нейронные связи, что приводит к постоянному улучшению эффективности его работы.
На задачах некоторых типов, таких, как распознавание объектов на изображениях, процессоры Loihi демонстрируют эффективность от одной до десяти тысяч раз выше эффективности обычных процессоров. К примеру, недавно этот процессор был установлен в устройство, которое можно назвать «электронный нос», где его возможности использовались для определения и категоризации запахов путем проведения химического анализа состава воздуха.
Вернемся к системе Pohoiki Springs, которая является самой сложной и мощной нейроморфной системой в нынешний момент времени. В ее состав входит 768 процессоров Loihi, расположенных на платах, занимающих объем пяти стандартных серверов. Количество искусственных нейронов этой системы составляет 100 миллионов, что, как уже упоминалось выше, ставит эту систему на один уровень с мозгом мелкого млекопитающего существа. И самым замечательным является то, что для работы системы Pohoiki Springs требуется лишь малая часть от энергии, потребляемой пятью серверами, объем которых и занимает эта система.
В скором времени нейроморфный компьютер Pohoiki Springs будет доступен в виде облачного сервиса, которым смогут воспользоваться участники программы Intel Neuromorphic Research Community (INRC) для решения различных сложных задач и проблем.
«Возможности системы Pohoiki Springs более чем в 750 раз превышают возможности других систем на базе процессоров Loihi. При этом, уровень потребления энергии этой системы находится на отметке около 500 Ватт» — рассказывает Майк Дэвис (Mike Davies), директор программы INRC, — «Эта система позволит нашим партнерам во много ускорить расчеты задач, которые слишком сложны для традиционных компьютеров и даже для самых мощных суперкомпьютеров».
Представители компании Intel рассчитывают, что система Pohoiki Springs идеально подойдет для решения задач, таких, как расчеты оптимальных путей перемещения грузов и пассажиров, оптимизация технологических процессов, финансовых потоков и других задач, решающихся на традиционных системах только путем последовательного перебора всех доступных вариантов.
