På dets laboratorium nær SAN Jose, IBM har bygget en elektronisk gnaverhjerne af 48 TrueNorth testchips, som hver især kan efterligne en grundlæggende byggesten i hjernen.
IBM lavede en kunstig hjerne ud af 48 chips
Under ledelse af projektlederen Dharmendra Modha, vi kom helt tæt på hele projektet. Det er underforstået, at dets volumen er som et medicinskab på badeværelset, som er dækket af gennemskinnelige plastikpaneler, og kan tydeligt se chipsene, printplader og farverige indikatorer indeni. Det ligner noget fra en 70'er science fiction-film, men Modha siger, “Du ser på en lille gnaver.”
Han taler om hjernen på en lille gnaver, eller i det mindste kan denne stak chips passe ind i den hjerne. Disse chips fungerer som neuroner, hjernens grundlæggende byggesten. Modha siger, at systemet kan simulere 48 millioner nerveceller, nogenlunde lig med antallet af nerveceller i en lille gnaverhjerne.
Hos IBM, Modha drev den kognitive computergruppe, som opfandt “neurochip.” Da han og hans team først afslørede deres opfindelse, de brugte den til en tre-ugers testkørsel, støtte akademikere og statslige forskere ved IBMs forsknings- og udviklingslaboratorium i Silicon Valley. Efter at have tilsluttet deres egne computere til den digitale musehjerne, forskerne udforskede dens struktur og begyndte at skrive programmer til TrueNorth-chippen.
Sidste måned, nogle forskere havde allerede set denne fyr i Colorado, så de havde programmeret det til at genkende billeder og tale, og forstår noget naturligt sprog. Chippen kører “dyb læring” algoritmer, der nu dominerer internettets kunstige intelligenstjenester, leverer ansigtsgenkendelse til Facebook og sprogoversættelse i realtid til Microsofts Skype. Stadig, IBM har et forspring her, fordi deres forskning kan reducere behovet for plads og strømforsyninger. I fremtiden, vi kan muligvis sætte denne kunstige intelligens ind i mobiltelefoner og andre små enheder, såsom høreapparater og ure.
“Hvad får vi ud af den synaptiske struktur? Vi kan klassificere billeder med meget lavt strømforbrug, og vi kan hele tiden løse nye problemer i nye miljøer.” Brian Van Essen, en datalog ved Lawrence Livermore National Laboratory, der er ansvarlig for at anvende deep learning algoritmer til national sikkerhed.
TrueNorth er den nyeste teknologi, der vil køre deep learning og en række andre AI-tjenester i fremtiden. Nutidens maskiner, der kører algoritmer fra Google, Facebook og Microsoft kræver stadig separate grafikprocessorer, men de er alle på vej mod FPgas (chips, der kan programmeres til specifikke opgaver). Peter Diehl (PhD i Cortex Computing Group ved Polytechnic University Zürich) mener, at TrueNorth er overlegen i forhold til både selvstændige grafikchips og FPgas på grund af dets lave strømforbrug.
Den væsentligste forskel, siger Jason Mars, professor i datalogi ved University of Michigan, er, at TrueNorth arbejder problemfrit med deep learning algoritmer. Begge simulerer neurale netværk i dybden og genererer neuroner og synapser “i hjernen.” “Chippen kan effektivt udføre kommandoerne fra det neurale netværk.” Han deltog ikke i testkørslen, men har nøje fulgt chippens fremskridt.
Alligevel, TrueNorth er endnu ikke fuldt synkroniseret med deep learning-algoritmer. Imidlertid, IBM har besluttet at inddrage eksterne forskere i at forbedre chippen, fordi det stadig er et stykke fra det faktiske marked. Til Modha, det var også en nødvendig proces, som han sagde: “Vi skulle lægge et solidt fundament for en større transformation.”
Hjernen i telefonen
Peter Diehl rejste for nylig til Kina, men af en eller anden grund ved du det, hans telefon virkede ikke med Google, og pludselig tog han kunstig intelligens tilbage til sin oprindelige form. Fordi det meste af cloud computing nu afhænger af Googles servere, altså uden netværk, alt er ubrugeligt.
Dyb læring kræver en enorm mængde processorkraft, som typisk leveres af gigantiske datacentre, og vores telefoner er normalt forbundet til dem via internettet. TrueNorth, på den anden side, kan flytte i det mindste noget af sin processorkraft til din telefon eller anden enhed, hvilket i høj grad kunne udvide hyppigheden af AI-brug.
Men for at forstå dette, du skal først forstå, hvordan dyb læring fungerer. Det fungerer i to trin. Først, virksomheder som Google og Facebook skal opbygge deres egne neurale netværk for at håndtere specifikke opgaver. Hvis de vil have muligheden for automatisk at genkende kattebilleder, de skal vise det neurale netværk en masse kattebilleder. Så, efter at mønsteret er trænet, et andet neuralt netværk skal udføre denne opgave. Når du tager et billede ud, systemet skal afgøre, om der er katte i det, og TrueNorth eksisterer for at gøre det andet trin mere effektivt.
Når du har trænet det neurale netværk, chippen kan hjælpe dig med at omgå det gigantiske datacenter og gå direkte til andet trin. Og fordi TrueNorths chip er så lille og strømeffektiv, den kan passe ind i håndholdte enheder. Dette øger den samlede effektivitet, fordi du ikke længere behøver at downloade resultaterne fra datacentret over netværket. Hvis det kan populariseres, det kan i høj grad reducere presset på datacentre. “Dette er fremtiden for industrien, hvor enheder kan udføre komplekse opgaver uafhængigt.” “sagde Mars.
Neuroner, axoner, synapser og nerveimpulser
Google har for nylig forsøgt at bringe neurale netværk til mobiltelefoner, men Diehl mener, at TrueNorth er langt foran sine rivaler, fordi det er mere synkroniseret med dyb læring. Hver chip kan simulere millioner af neuroner, og disse neuroner kan kommunikere med hinanden igennem “synapser i hjernen.”
Det er det, der adskiller TrueNorth fra lignende produkter på markedet, selv sammenlignet med grafikprocessorer og FPgas har nok fordele. TrueNorth-chips kan dannes “nerveimpulser,” ligner elektriske impulser i hjernen. Nerveimpulser kan vise en ændring i tone i en persons tale, eller en ændring i farve i et billede. “Du kan tænke på det som små beskeder mellem neuroner.” Rodrigo Alvarez-Icaza, en af chippens førende designere.
Selvom der er 5.4 milliarder transistorer på chippen, dens strømforbrug er kun 70 milliwatt. Hvad med standard Intel-processorer? Det har den 1.2 milliard transistorer, men dens strømforbrug når 35 til 140 watt. Selv ARM-chips, som er almindeligt brugt i smartphones, bruger flere gange mere strøm end TrueNorth-chips.
Selvfølgelig, for at chippen virkelig virker, den har brug for ny software, hvilket er præcis, hvad Diehl og andre udviklere har forsøgt at gøre under testkørslen. Med andre ord, udviklerne konverterer eksisterende kode til et sprog, som chippen genkender og indlæser i den, men de arbejder også på at skrive indbygget kode til TrueNorth.
nuværende
Ligesom andre udviklere, Modha fokuserer på at diskutere TrueNorth inden for biologi, såsom neuroner, axoner, synapser, nerveimpulser, etc. Chippen efterligner uden tvivl det menneskelige nervesystem på nogle måder, men det har stadig sine begrænsninger. “Den slags diskussioner er ofte meget advarende. Når alt kommer til alt, silicium er ikke det, den menneskelige hjerne er lavet af.” Chris Nicholson, medstifter af et firma kaldet Skymind.
Modha anerkender disse påstande. Da han startede projektet i 2008, med en $53.5 millioninvestering fra Darpa (forskningsafdelingen i Forsvarsministeriet), målet var at bygge en helt ny chip af helt andre materialer og simulere den menneskelige hjerne. Men han ved, at det ikke vil ske hurtigt, og “vi kan ikke ignorere virkeligheden på vej til at forfølge vores drømme,” sagde han.
I 2010, han var sengeliggende med svineinfluenza, i hvilket tidsrum han indså, at den bedste måde at bryde igennem flaskehalsen var at starte med chipstrukturen og opnå en simulering af hjernen. “Du behøver ikke nerveceller for at efterligne grundlæggende fysik, kemi og biologi for at forbedre computerkraften. Vi skal være fleksible nok til at blive mere og mere som hjernen.” ’ sagde han.
Dette er TrueNorth-chippen. Det er ikke en digital hjerne, men det er et vigtigt skridt på vejen, og med IBM's prøvekørsel, planen er på vej. Hele maskinen består faktisk af 48 separate maskiner, hver med sin egen TrueNorth-processor. Næste uge, med forsøget kørt over, Modha og hans team vil nedbryde maskinen, som forskere kan tage med hjem til yderligere undersøgelse. Mennesker bruger teknologi til at ændre samfundet, og disse forskere er rygraden i vores indsats.