IBM-chip bearbetar data på samma sätt som din hjärna gör

En ny typ av datorchip, avtäckt av IBM idag, tar designtips från det skrynkliga yttre lagret av den mänskliga hjärnan. Även om det inte är någon match för en konventionell mikroprocessor vid knappa siffror, förbrukar chippet betydligt mindre ström och är mycket bättre lämpat för att bearbeta bilder, ljud och andra sensoriska data.

Nytänkande: IBM har byggt en processor designad med hjälp av principer som fungerar i din hjärna.

IBMs SyNapse-chip bearbetar information med hjälp av ett nätverk av drygt en miljon neuroner, som kommunicerar med varandra med hjälp av elektriska spikar – som faktiska neuroner gör. Chipet använder samma grundkomponenter som dagens kommersiella chips - kiseltransistorer. Men dess transistorer är konfigurerade för att efterlikna beteendet hos både neuroner och anslutningarna - synapser - mellan dem.

SyNapse-chippet bryter med en design känd som Von Neumann-arkitekturen som har legat till grund för datorchips i decennier. Även om forskare har experimenterat med chip som modellerats på hjärnor – så kallade neuromorfa chip – sedan slutet av 1980-talet, har alla fram till nu varit många gånger mindre komplexa och inte tillräckligt kraftfulla för att vara praktiska (se Thinking in Silicon). Detaljer om chipet publicerades idag i tidskriften Vetenskap .

Det nya chippet är ännu inte en produkt, men det är kraftfullt nog att arbeta med verkliga problem. I en demonstration vid IBM:s forskningscenter Almaden, MIT Technology Review såg en känna igen bilar, människor och cyklar i video av en vägkorsning. En närliggande bärbar dator som hade programmerats för att göra samma uppgift bearbetade bilderna 100 gånger långsammare än i realtid, och den förbrukade 100 000 gånger så mycket ström som IBM-chippet. IBM-forskare experimenterar nu med att koppla ihop flera SyNapse-chips, och de hoppas kunna bygga en superdator med tusentals.

När data matas in i ett SyNapse-chip orsakar det en ström av spikar, och dess nervceller reagerar med en storm av ytterligare spikar. De drygt en miljon neuronerna på chipet är organiserade i 4 096 identiska block av 250, ett arrangemang inspirerat av strukturen hos däggdjurshjärnor, som verkar vara uppbyggda av upprepade kretsar med 100 till 250 neuroner, säger Dharmendra Modha , chefsforskare för hjärninspirerad datoranvändning på IBM. Att programmera chipet innebär att man väljer vilka neuroner som är anslutna och hur starkt de påverkar varandra. För att känna igen bilar i video, till exempel, skulle en programmerare arbeta fram de nödvändiga inställningarna på en simulerad version av chippet, som sedan skulle överföras till den äkta varan.

De senaste åren har stora genombrott inom bildanalys och taligenkänning kommit från att använda stora, simulerade neurala nätverk för att arbeta med data (se Deep Learning ). Men dessa nätverk kräver gigantiska kluster av konventionella datorer. Som ett exempel krävde Googles berömda neurala nätverk som kan känna igen katt- och mänskliga ansikten 1 000 datorer med 16 processorer vardera (se självlärd programvara ).

Även om det nya SyNapse-chippet har fler transistorer än de flesta stationära processorer, eller vilket chip IBM någonsin har gjort, med över fem miljarder, förbrukar det slående lite ström. När den körde trafikvideoigenkänningsdemon förbrukade den bara 63 milliwatt ström. Serverchips med liknande antal transistorer förbrukar tiotals watt ström – cirka 10 000 gånger mer.

Effektiviteten hos konventionella datorer är begränsad eftersom de lagrar data och programinstruktioner i ett minnesblock som är skilt från processorn som utför instruktioner. När processorn arbetar genom sina instruktioner i en linjär sekvens måste den ständigt skicka information fram och tillbaka från minneslagringen – en flaskhals som saktar ner saker och ting och slösar energi.

IBMs nya chip har inte separata minnes- och bearbetningsblock, eftersom dess neuroner och synapser sammanflätar de två funktionerna. Och det fungerar inte på data i en linjär sekvens av operationer; individuella neuroner avfyras helt enkelt när spikarna de får från andra neuroner gör att de gör det.

Horst Simon , biträdande direktör för Lawrence Berkeley National Lab och expert på superdatorer, säger att industrin hittills har fokuserat på att mixtra med Von Neumann-metoden snarare än att ersätta den, till exempel genom att använda flera processorer parallellt eller använda grafikprocessorer för att snabba upp upp vissa typer av beräkningar. Det nya chippet kan vara en historisk utveckling, säger han. Den mycket låga strömförbrukningen och skalbarheten hos denna arkitektur är verkligen unik.

En nackdel är att IBM:s chip kräver ett helt nytt tillvägagångssätt för programmering. Även om företaget tillkännagav en uppsättning verktyg inriktade på att skriva kod för sitt kommande chip förra året (se IBM Scientists Show Blueprints for Brainlike Computing ), men även de bästa programmerarna tycker att de lär sig att arbeta med chipblåmärken, säger Modha: Det är nästan alltid frustrerande erfarenhet. Hans team arbetar med att skapa ett bibliotek med färdiga kodblock för att göra processen enklare.

Att be branschen att anta en helt ny typ av chip och sätt att koda kan tyckas djärvt. Men IBM kan hitta en mottaglig publik eftersom det blir tydligt att nuvarande datorer inte kommer att kunna leverera mycket mer i vägen för prestandavinster. Det här chippet kommer i rätt tid, säger Simon.

Dölj