Microcipurile „neuromorfe”, inspirate de creierul uman și produse de companiile IBM și Intel, ar putea fi utilizate în mai multe domenii decât doar în cel al inteligenței artificiale. Conform unui nou studiu, ele se pot dovedi ideale pentru o clasă de calcule utile într-o gamă largă de aplicații, inclusiv analiza razelor X medicale și economia financiară.
Oamenii de știință încearcă de mult timp să imite modul în care funcționează creierul prin utilizarea unor programe software cunoscute sub numele de rețele neuronale și a unor sisteme hardware, cunoscute sub numele de cipuri neuromorfe. Până în prezent, calculul neuromorf s-a concentrat, în mare parte, pe implementarea rețelelor neuronale. Cercetătorii nu erau convinși dacă acest hardware s-ar putea dovedi util dincolo de aplicațiile IA.
Uzual, cipurile neuromorfe imită funcționarea neuronilor în mai multe moduri, precum rularea mai multor calcule în paralel. În plus, la fel cum neuronii biologici calculează și stochează date, hardware-ul neuromorf caută adesea să unească procesoarele și memoria, reducând potențial energia consumată și timpul pe care computerele convenționale îl pierd în transferul datelor între acele componente. În plus, în timp ce microcipurile convenționale folosesc semnale de ceas declanșate la intervale regulate pentru a coordona acțiunile circuitelor, activitatea din arhitectura neuromorfă se desfășoară adesea într-o manieră în creștere, aceasta fiind declanșată numai atunci când o sarcină electrică atinge o anumită valoare, un proces similar cu ceea ce se întâmplă în creierul oamenilor.
Până în prezent, principalul avantaj imaginat al calculului neuromorf a fost eficiența energetică: caracteristici precum sporirea și unirea memoriei și procesării au condus la dezvoltarea cipului IBM TrueNorth, care prezenta o densitate de putere cu patru ordine de mărime mai mică decât microprocesoarele convenționale din vremea sa.
„Știm din multe studii că procesarea neuromorfă va avea avantaje în ceea ce privește eficiența energetică, dar, în practică, oamenilor nu le va păsa de economia de energie dacă asta înseamnă că procesele se vor desfășura mult mai încet”, a declarat autorul principal al studiului, James Bradley Aimone, neurolog teoretic în cadrul Sandia National Laboratories din Albuquerque.
În prezent, oamenii de știință au descoperit faptul că computerele neuromorfe pot fi utilizate pentru ceea ce se numesc metode Monte Carlo, în care problemele sunt tratate în esență ca niște jocuri, iar soluțiile sunt găsite prin multe simulări aleatorii sau „plimbări” prin aceste jocuri.
„În mod obișnuit, pentru a oferi o soluție bună, metodelel Monte Carlo necesită o mulțime de plimbări aleatorii și, deși plimbările individuale sunt procese ușor de calculat, în practică, nevoia de a face multe astfel de calcule devine prohibitivă. Așadar, în loc să modelăm o mulțime de plimbări aleatorii în paralel, putem programa o singură rețea neuromorfă de circuite pentru a reprezenta toate calculele realizate în cadrul unei plimbări aleatorii. După aceea, putem corla fiecare mers aleatoriu cu un vârf care se deplasează prin rețea. Astfel, putem rezolva întreaga problemă dintr-o dată”, spune Aimone.
Mai exact, așa cum s-a descoperit faptul că un calculul cuantic poate prezenta un „avantaj cuantic” față de calculul clasic pentru un set mare de probleme, cercetătorii au descoperit că poate exista un „avantaj neuromorf” atunci când vine vorba de plimbări aleatorii prin lanțuri Markov în timp discret. „Dacă o problemă este considerată un joc de masă, aici un „lanț” înseamnă jucarea jocului prin deplasarea printr-o succesiune de stări sau spații. „Markov” înseamnă că următorul spațiu în care o persoană poate muta depinde doar de spațiul său actual, și nu de istoric, așa cum este cazul în jocurile de societate precum Monopoly sau Candy Land. „Timpul discret” înseamnă pur și simplu că între mutări există un interval de timp fix”, a declarat autorul principal al studiului, Darby Smith, matematician în cadrul Sandia National Laboratories.
În cadrul experimentelor în care a fost utilizat un cip neuromorf TrueNorth produs de către IBM, un cip neuromorf Loihi produs de către Intel, un procesor Intel Xeon E5-2662 și un GPU Nvidia Titan Xp, oamenii de știință au descoperit faptul că atunci când vine vorba de rezolvarea acestei clase de probleme la scară largă, cipurile neuromorfe s-au dovedit mai eficiente decât semiconductorii convenționali din punct de vedere al consumului de energie și al timpului de procesare.
„Marea limitare a acestor metode Monte Carlo este că trebuie să modelăm o mulțime de plimbări. Deoarece vârfurile sunt o modalitate atât de simplă de a reprezenta o plimbare aleatorie, adăugarea unui mers aleator suplimentar înseamnă doar adăugarea unui vârf suplimentar, care va rula în paralel cu toate celelalte”, a declarat Aimone.
„Capacitatea de a aborda eficient această clasă de probleme are o gamă largă de aplicații potențiale, precum modelarea acțiunilor și opțiunilor pe piețele financiare, înțelegerea mai bună a modului în care razele X interacționează cu oasele și țesuturile moi, urmărirea modului în care informațiile se propagă pe rețelele sociale și modelarea modul în care bolile călătoresc prin grupuri de populație”, a declarat Smith.
„Totuși, doar pentru că poate exista un avantaj neuromorf pentru unele probleme, nu înseamnă că aceste computere pot face toate operațiunile mai bine decât computerele normale. Viitorul computerelor este probabil un amestec de diferite tehnologii. Nu încercăm să spunem că cipurile neuromorfe vor înlocui toate celelalte tehnologii”, a declarat Aimone.
În prezent, oamenii de știință investighează o serie de modalități de a gestiona interacțiunile dintre mai mulți „mergători” sau participanți la aceste scenarii, care vor permite aplicații precum simulările de dinamică moleculară. De asemenea, ei dezvoltă o serie de instrumente software pentru a ajuta alți dezvoltatori să contribuie la această cercetare.
