IBM сообщает об аналоговом чипе искусственного интеллекта, созданном по образцу человеческого мозга

Глубокие нейронные сети обеспечивают значительный прогресс, вытекающий из генеративного искусственного интеллекта. Но их архитектура основана на конфигурации, представляющей собой виртуальный скачок скорости, гарантирующий невозможность достижения максимальной эффективности.

Нейронные сети, состоящие из отдельных блоков для памяти и обработки, сталкиваются с высокими требованиями к системным ресурсам для связи между двумя компонентами, что приводит к снижению скорости и эффективности.

IBM Research предложила лучшую идею, обратившись к идеальной модели, вдохновившей ее на создание более эффективного цифрового мозга: человеческому мозгу.

В статье "64-ядерный чип для вычисления смешанных сигналов в памяти на основе памяти с фазовым переходом для вывода глубоких нейронных сетей", опубликованной в Nature Electronics 10 августа, исследователи IBM заявили, что применили новый подход к созданию современного чипа искусственного интеллекта со смешанными сигналами, который обещает повысить эффективность и снизить расход батареи в проектах искусственного интеллекта.

"Человеческий мозг способен достигать замечательной производительности при минимальном потреблении энергии", - сказал один из соавторов исследования Танос Василопулос из исследовательской лаборатории IBM в Цюрихе, Швейцария.

Действуя аналогично тому, как синапсы взаимодействуют друг с другом в мозге, чип IBM со смешанными сигналами оснащен 64 аналоговыми ядрами в памяти, в каждом из которых находится множество синаптических ячеек. Преобразователи обеспечивают плавный переход между аналоговым и цифровым состояниями.

Чипы, по данным IBM, достигли точности 92,81% в наборе данных CIFAR-10, широко используемой коллекции изображений, используемых при обучении машинному обучению.

"Мы демонстрируем почти программно эквивалентную точность вывода с помощью сетей ResNet и долговременной кратковременной памяти", - сказал Василопулос. ResNet, сокращение от остаточная нейронная сеть, представляет собой модель глубокого обучения, которая позволяет обучать на тысячах уровней нейронной сети без снижения производительности.

"Для достижения сквозного улучшения задержек и энергопотребления AIMC необходимо сочетать с цифровыми операциями на кристалле и внутренней связью", - заявил Василопулос. "Здесь мы сообщаем о многоядерном чипе AIMC, разработанном и изготовленном по комплементарной металл–оксидно-полупроводниковой технологии 14 нм с встроенной в сервер памятью фазовых переходов".

По словам Василопулоса, с такой улучшенной производительностью "большие и более сложные рабочие нагрузки могут выполняться в условиях низкого энергопотребления или нехватки батареи". Это может включать мобильные телефоны, автомобили и камеры.

"Кроме того, облачные провайдеры смогут использовать эти чипы для снижения затрат на электроэнергию и снижения выбросов углекислого газа", - сказал он.

IBM заявила, что будущие усовершенствования цифровых схем, позволяющие осуществлять передачу активации от уровня к уровню и хранение промежуточной активации в локальной памяти, позволят выполнять на этих чипах полностью конвейерные сквозные рабочие нагрузки вывода.

В своем личном блоге, обсуждая последнее достижение IBM, Василопулос сказал: "Благодаря этой работе многие компоненты, необходимые для полной реализации перспектив аналогового искусственного интеллекта, для создания производительного и энергоэффективного искусственного интеллекта, были проверены кремнием".

Он представил технический обзор чипа в отдельной статье под названием "Совершеннолетие аналоговых вычислений в памяти", опубликованной в Electrical and Electronic Engineering 10 августа.

Назвав этот чип "первым в своем роде", он описал его как "полностью интегрированный вычислительный чип со смешанным сигналом в памяти, основанный на встроенной памяти с фазовым переходом (PCM) в 14-нм комплементарном металл-оксидно-полупроводниковом (CMOS) процессе".

Далее, описывая проект, он сказал: "Чип состоит из 64 ядер AIMC, каждое с массивом памяти размером 256x256 элементарных ячеек. Элементарные ячейки состоят из четырех устройств PCM, что в общей сложности составляет более 16 миллионов устройств. В дополнение к массиву аналоговой памяти каждое ядро содержит легкий цифровой процессор, выполняющий функции активации, накопления и масштабирования ".