Новый электрический чип работает по принципу человеческого мозга.

Новый чип с искусственным интеллектом имитирует способность человеческого мозга к мгновенному управлению моторикой — он решает задачи, используя в 10 000 раз меньше вычислений

Новое устройство, созданное по образу и подобию человеческого мозга, запускает системы искусственного интеллекта только тогда, когда они обнаруживают что-то необычное. Может ли это снизить зависимость от энергозатратных центров обработки данных?

(Изображение предоставлено BlackJack3D через Getty Images)

Ученые разработали новый тип чипа с искусственным интеллектом (ИИ), который имитирует способность человеческого мозга к инстинктивным двигательным реакциям.

Чип, созданный по образцу мозжечка, той части мозга, которая помогает координировать равновесие и тонкий мышечный контроль, игнорирует привычную информацию и реагирует только на неожиданные события.

По данным исследователей, в ходе имитационных тестов с использованием данных электрокардиограммы (ЭКГ) устройство выявляло нарушения сердечного ритма (аритмию) в течение одной пятой секунды и с точностью 98 % — и делало это в два раза быстрее, чем обычные системы искусственного интеллекта. Команда опубликовала результаты своего исследования 10 июля в журнале Nature Communications.

Это устройство может стать основой для высокочувствительных систем искусственного интеллекта с низким энергопотреблением, способных обнаруживать необычные события и реагировать на них, не полагаясь на огромные вычислительные ресурсы центров обработки данных, — от постоянно работающих мониторов здоровья до беспилотных автомобилей и автономных роботов.

Новый подход к нейроморфным вычислениям

Компьютерная архитектура, вдохновленная человеческим мозгом, известна как нейроморфные вычисления. Многие исследователи считают его ключевым для разработки более совершенных и эффективных систем искусственного интеллекта, поскольку он в большей степени имитирует то, как работают нейроны в человеческом мозге.

Вместо того чтобы обрабатывать всю поступающую информацию с одинаковой интенсивностью, биологические контуры мозга отдают приоритет важным сигналам и отфильтровывают рутинный фоновый шум, что помогает ему экономить энергию.

Большинство нейроморфных подходов сосредоточены на головном мозге — самой большой части человеческого мозга и центральном «мозговом центре». В новом исследовании ученые сосредоточились на мозжечке — небольшой области мозга, отвечающей за координацию и инстинктивные двигательные навыки — то, что мы делаем без особых усилий со стороны сознания.

Нейронные цепи в мозжечке содержат конкурирующие возбуждающие и тормозящие сигналы, которые в норме уравновешивают друг друга. Когда происходит что-то неожиданное, баланс смещается, и мозг получает сигнал о необходимости отреагировать.

По словам соавтора исследования Марка Херсама, профессора материаловедения и инженерии в Северо-Западном университете, это делает мозжечок идеальным, но пока не задействованным кандидатом для нейроморфных систем искусственного интеллекта.

«Мозжечок отлично справляется с тем, чтобы игнорировать ожидаемое и сохранять ресурсы для реагирования на неожиданное», — сказал Херсам в заявлении. «Такой подход в конечном итоге приводит к снижению энергопотребления.»

(Изображение предоставлено: grayjay/Shutterstock)

Объединение памяти и вычислительных ресурсов

Хотя современные ИИ-системы исключительно хорошо распознают закономерности, они тратят огромное количество вычислительных ресурсов на непрерывный анализ потоков данных.

Одним из ограничений является само аппаратное обеспечение. Обработка информации предполагает передачу данных между отдельными компонентами памяти и обработки, что приводит к задержке, известной как узкое место фон Неймана.

Это новое устройство объединяет память и вычислительный процессор в один компонент под названием мемтранзистор (от слов «память» и «транзистор»), что позволяет ему передавать данные гораздо быстрее и эффективнее.

Мемтранзистор состоит из атомарно тонкого полупроводника под названием дисульфид молибдена, который образует канал между двумя электродами. Один электрод находится в непосредственном контакте с полупроводником, а другой частично расположен над ним, отделенный тонким изолирующим слоем.

Эта асимметрия меняет характер прохождения электрического тока через устройство, позволяя ему переключаться между «возбуждающим» и «тормозящим» режимами при изменении направления напряжения, как объяснили исследователи в своей работе.

«Выходной слой» спайковых нейронных сетей

Устройство предназначено для формирования ядра выходного слоя более крупной спайковой нейронной сети (СНС), как объяснил Херсам в электронном письме для Live Science.

SNN — это тип нейронной сети, которая обрабатывает информацию в виде серии электрических импульсов, имитируя процесс передачи сигналов между нейронами. В ходе исследования ученые измерили реакцию отдельных мемтранзисторов на повторяющиеся электрические импульсы, а затем использовали полученные результаты для моделирования сети, состоящей из нескольких устройств, которая могла бы отличать нормальные показатели ЭКГ от аритмии.

Затем они загрузили те же данные ЭКГ в мемтранзисторную сеть, вдохновленную мозжечком, и в стандартную модель-трансформер — архитектуру искусственного интеллекта, лежащую в основе больших языковых моделей (БЯМ), — и сравнили, насколько быстро и эффективно каждая из них выявляет аритмию. По данным исследователей, система, вдохновленная мозжечком, работала более чем в два раза быстрее и требовала примерно в 10 000 раз меньше компьютерных вычислений.

Херсам сказал, что результаты должны привести к созданию более быстрого и энергоэффективного оборудования, хотя и добавил, что реальная производительность будет зависеть от скорости и размера устройств.

"Мы не масштабировали мемтранзисторы до уровня коммерческих Si [кремниевых] чипов, но в принципе 2D-материалы и мемтранзисторы могут быть масштабированы до сопоставимых размеров и рабочих скоростей", - сказал он в интервью Live Science.

Более эффективный ИИ на периферии

По словам Херсама, новое устройство особенно хорошо подходит для сценариев, где требуется быстрый вывод данных при минимальном энергопотреблении. «Одним из примеров могут быть периферийные вычисления или случаи, когда доступ к облаку недоступен или нежелателен из-за конфиденциальности данных», — добавил он.

Огромное потенциальное преимущество этой технологии заключается в том, что она может снизить зависимость искусственного интеллекта от центров обработки данных. По данным Международного энергетического агентства, к 2030 году глобальный спрос на электроэнергию для центров обработки данных может составить около 945 тераватт-часов — это чуть больше, чем все потребление электроэнергии в Японии, — и в значительной степени он будет обусловлен развитием искусственного интеллекта. Один тераватт-час равен 1 триллиону ватт-часов — этого количества электроэнергии хватит, чтобы непрерывно питать 60-ваттную лампочку в течение 1,9 миллиона лет.

По словам исследователей, гипотетическая будущая сеть на базе мемтранзисторов могла бы позволить роботам, автономным транспортным средствам и системам кибербезопасности непрерывно работать на низкой мощности, обрабатывая данные локально и реагируя только при обнаружении неожиданного, потенциально опасного события.

«Современный искусственный интеллект, применяемый в сфере кибербезопасности и в автономных транспортных средствах, использует огромные вычислительные мощности центров обработки данных или собственных графических и центральных процессоров, — рассказал Херсам в интервью Live Science. — Наш подход, напротив, обещает низкое энергопотребление за счет упрощения необходимого количества операций... [Это] не постепенное повышение производительности, а принципиально новый способ обнаружения аномалий».

Следующий этап исследований будет посвящен имитации способности мозжечка адаптироваться к предсказуемости — в частности, того, как человеческий мозг перестает воспринимать события как уникальные или неожиданные, когда сталкивается с ними во второй раз. Сообщает livescience