211service.com
IBM planerar att kommersialisera sitt hjärninspirerade chip
I augusti förra året presenterade IBM ett chip designat för att driva något som hjärnans neuroner och synapser (se IBM Chip Process Data Similar to the Way Your Brain Does). Nu har företaget påbörjat arbetet med en nästa generation som syftar till att göra mobila enheter bättre på uppgifter som är lätta för hjärnan men tuffa för datorer, som taligenkänning och tolkning av bilder.
IBM designade detta chip för att låna principer som ses i hjärnan och arbetar nu på en version som kan göra mobila enheter smartare.
Vi arbetar på en nästa generation av chippet, men det som är viktigast nu är kommersiella partners, säger John Kelly, senior vice president på IBM som övervakar IBM Research och flera affärsenheter, inklusive två dedikerade till företagets Watson maskinsvit. intelligensprogramvara. Företag skulle kunna införliva detta i alla typer av mobila enheter, maskiner, bilar, you name it.
Att lägga till hjärninspirerade chips till produkter som telefoner kan göra dem kapabla att känna igen allt deras ägare säger och spåra vad som händer runt dem, säger Kelly. Det närmaste dagens enheter som kommer är att lyssna efter vissa sökord. Apples senaste iPhone kan väckas genom att säga Hej Siri, och vissa telefoner som använder Googles programvara kan väckas med frasen OK Google.
IBM:s TrueNorth-chiparkitektur, som den kallas, utvecklades genom ett DARPA-finansierat program avsett att göra det möjligt för mobila datorer att köra avancerad maskinintelligensprogramvara som bild- eller taligenkänning utan att behöva utnyttja molninfrastrukturen, och med mycket lite kraft (se Thinking In Silicon ).
Kelly säger att IBM för diskussioner med ledande datorsystemtillverkare om hur TrueNorth-design kan hjälpa dem, men avböjer att nämna några. Vi pratar med vem som är vem i mobilutrymmet och IoT [Internet of things], säger han. Ett TrueNorth-chip skulle läggas till enhetsdesigner som en co-processor som fungerar tillsammans med den konventionella processorn och aldrig stängs av, säger Kelly.
TrueNorth-chippet som avslöjades i augusti förra året är ungefär lika stort som ett frimärke och har en miljon kiselneuroner med 256 miljoner kopplingar mellan dem som är analoga med synapserna som länkar ihop verkliga neuroner. Chipet förbrukar över 1 000 gånger mindre ström än en konventionell processor av liknande storlek. IBM har visat hur dess nätverk av neuroner kan programmeras för att utföra uppgifter som att känna igen olika fordon i videofilmer i realtid.
Men eftersom TrueNorth-chiparkitekturen skiljer sig mycket från den i befintliga datorer kräver den nya metoder för att skriva programvara. Och dess falska neuroner fungerar annorlunda än de mjukvarubaserade artificiella neurala nätverk som företag som Google, Facebook och Microsoft nyligen har använt för att göra genombrott inom tal- och bildbehandling med en metod som kallas djupinlärning (se 10 Breakthrough Technologies 2013: Deep Lärande).
Neuroner i IBM:s TrueNorth-arkitektur kodar data med hjälp av elektriska på/av-spikar, som försöker efterlikna spiksignalerna från biologiska neuroner. De simulerade neuronerna som används vid djupinlärning använder inte spikar.
Konstgjorda neurala nätverk som använder spikneuroner – inklusive IBM – har inte visat sig matcha den prestanda som uppnås med djupinlärning i uppgifter som taligenkänning eller bildbehandling. Yann LeCun, som leder Facebooks AI-forskningslabb och hjälpte till att vara pionjär inom djupinlärning, har uttryckte skepsis att det kommer att vara praktiskt att göra.
Dharmendra Modha, som leder utvecklingen av IBM:s hjärninspirerade chip, menar att spikning är avgörande om neurala nätverk ska köras i ett chip med hög effekteffektivitet. Hans team har börjat skapa verktyg som gör det möjligt att överföra utbildade neurala nätverk för djupinlärning till ett TrueNorth-chip, säger han.
Detta chip var tänkt som ett substrat på vilket en stor mängd neurala nätverk kan kartläggas för realtidsapplikationer med ultralåg energi och ultralåg volym, säger han.
Terrence Sejnowski , ledare för det beräkningsmässiga neurobiologiska labbet vid Salk Institute for Biological Studies, håller med om att spikneuroner är viktiga om kompakta datorer ska bli kapabla att göra intelligenta saker utan att sluka kraft eller knacka på molnet. De dök upp i naturen av en anledning, säger han.
Ny forskning från en annan pionjär inom djupinlärning, Yoshua Bengio från University of Montreal, tyder på att teknikens noggrannhet kan vara lättare att överföra till spikande hårdvarunuroner än vad man tidigare trott, säger Sejnowski. Bengio, som samarbetar med IBM om språkprogramvara, skrev ett preliminärt papper online förra veckan som visade att justering av de simulerade neuroner som används vid djupinlärning på ett sätt som gör dem mer som spikneuroner inte skadade bildbehandlingens noggrannhet.
Även om IBM:s hjärnchipsarkitektur är förenad med teknikerna för djupinlärning, kommer den att få konkurrens. Google arbetar redan på sätt att bryta ner artificiella neurala nätverk så att de kan köras på befintliga mobila enheter (se Google App sätter neurala nätverk på din telefon). Flera företag, inklusive den ledande mobilprocessordesignern Qualcomm, arbetar med chipdesigner som skulle köra befintlig mjukvara för djupinlärning på mobila datorer som telefoner eller i bilar (se Silicon Chips That See Are Going Your Smartphone Brilliant ).