«Почему будущее чипов ИИ важно в нейроморфном вычислении?»

«Зачем нейроморфное вычисление нуждается в будущих чипах искусственного интеллекта?»

Искусственный интеллект обладает значительными возможностями для IoT, однако запуск этих моделей на полупроводниковых устройствах IoT является сложной задачей. Ограниченные аппаратные возможности этих устройств затрудняют выполнение интеллектуального программного обеспечения локально. Недавние прорывы в нейроморфной вычислительной технологии (NC) могут изменить ситуацию.

Даже за пределами IoT искусственный интеллект сталкивается с проблемой масштабируемости. Запуск более крупных и сложных алгоритмов с использованием традиционных вычислительных систем потребляет большое количество энергии. Помимо напряжения на полупроводники для управления энергией, такое потребление энергии приводит к проблемам устойчивости и затратам. Для продолжения текущего роста искусственного интеллекта технологическим компаниям необходимо переосмыслить подход к самим вычислениям.

Что такое нейроморфное вычисление?

Нейроморфное вычисление моделирует компьютерные системы по образу человеческого мозга. По мере того как нейронные сети обучают программное обеспечение мыслить как люди, NC разрабатывает контуры, имитирующие синапсы и нейроны человека. Эти биологические системы более гибкие и эффективные, чем искусственные “мыслящие” машины, поэтому вдохновение идущее от них может привести к значительному прогрессу в вычислениях.

NC существует уже десятилетиями как концепция, но ему было трудно реализоваться. Это может измениться в ближайшем будущем. Ведущие компании по вычислениям разработали и усовершенствовали несколько нейроморфных фишек за последние несколько лет. Еще одним прорывом стало рассекречивание новой нейроморфной фишки в августе 2022 года, энергоэффективность которой оказалась в два раза выше предыдущих моделей.

Обычно эти контуры хранят память на чипе – или нейроне – вместо подключения отдельных систем. Многие также используют аналоговую память для хранения большего объема данных в меньшем пространстве. NC также параллельно спроектирована, что позволяет всем компонентам работать одновременно, вместо перемещения процессов из одной точки в другую.

Как нейроморфное вычисление может изменить AI и IoT

По мере того как эта технология становится более надежной и доступной, она может навсегда изменить ситуацию с полупроводниковыми устройствами IoT. Это повышение функциональности также позволит дальнейшее улучшение AI. Вот несколько самых значительных из этих преимуществ.

Более мощный AI

Самое очевидное преимущество нейроморфных вычислений заключается в том, что они могут обрабатывать гораздо более сложные задачи на более маленьком аппаратном обеспечении. Обычные вычисления борются с узким местом фон Неймана – передачей данных между памятью и местами обработки, что замедляет их работу. Поскольку NC объединяет память и обработку, она избегает этого узкого места.

Недавние нейроморфные фишки работают в 4000 раз быстрее, чем предыдущее поколение, и имеют меньшую задержку по сравнению с любой обычной системой. В результате они позволяют более оперативно выполнять AI. Возможны принятие решений практически в режиме реального времени в приложениях, таких как беспилотные автомобили и промышленные роботы.

Такие системы искусственного интеллекта могут быть такими отзывчивыми и гибкими, как человеческий мозг. Такое же аппаратное обеспечение может обрабатывать практически в режиме реального времени отклики в полупроводниковых устройствах управления энергией и отслеживать киберугрозы в связанной в энергетической сети. Роботы могут выполнять несколько ролей по мере необходимости, а не быть выско специализированными.

Меньшее энергопотребление

NC также предлагает решение проблемы энергопотребления AI. Как и человеческий мозг, NC основан на событийном подходе. Каждый конкретный нейрон просыпается в ответ на сигналы от других и может функционировать независимо. В результате в любой момент времени энергию потребляют только те компоненты, которые фактически обрабатывают данные.

Это сегментирование, в сочетании с устранением узкого места фон Неймана, означает, что NC использует гораздо меньше энергии при выполнении большего количества задач. В масштабе всей системы это позволяет гигантам вычислений сократить выбросы парниковых газов. В меньшем масштабе это позволяет осуществлять локальные вычисления искусственного интеллекта на полупроводниковых устройствах IoT.

Расширенные краевые сети

Комбинация большей вычислительной мощности и меньшего потребления энергии особенно полезна для приложений краевых вычислений. Эксперты прогнозируют, что к 2025 году 75% обработки корпоративных данных будет выполняться на краю компьютерных сетей, однако у краевых вычислений все еще есть несколько преград. Нейроморфное вычисление обещает быть решением.

Традиционные устройства IoT не обладают достаточной вычислительной мощностью для выполнения сложных приложений практически в режиме реального времени на местах. Ограничения сети также ограничивают функциональность. Расширение возможности использования искусственного интеллекта на более маленьких, потребляющих меньше энергии устройствах, позволяет NC преодолеть эту преграду.

NC также поддерживает масштабируемость, необходимую краевым вычислениям. Добавление дополнительных нейроморфных чипов увеличивает вычислительную мощность этих систем, не вводя энергетических или скоростных узких мест. В результате становится проще реализовать более широкую и сложную сеть устройств, которая может эффективно функционировать как одноцельная система.

Повышенная надежность

NC также может повысить надежность систем искусственного интеллекта и Интернета вещей (IoT). Эти системы хранят информацию в нескольких местах, а не в централизованной памяти. Если один нейрон выходит из строя, остальная система все равно может функционировать нормально.

Эта устойчивость дополняет другие инновации в области аппаратного обеспечения IoT, позволяя создавать более прочные сети краевых вычислений. Композитные термореактивные пластмассы могут предотвращать коррозию в полупроводниках, защищая аппаратные средства, тогда как NC обеспечивает плавную работу программного обеспечения, даже если один из компонентов выходит из строя.

Эти совместные преимущества расширяют потенциальные сценарии использования Интернета вещей, позволяя применять сложные процессы искусственного интеллекта даже в самых экстремальных условиях. Системы краевых вычислений в рамках тяжелой промышленности, такой как строительные площадки или шахты, станут осуществимыми.

Оставшиеся проблемы в области NC

Потенциал NC для полупроводников Интернета вещей и приложений искусственного интеллекта впечатляющ, однако остаются несколько препятствий. Наиболее очевидными являются высокие затраты и сложность. Эти полупроводники, имитирующие работу мозга, эффективны только с использованием более новой и дорогой памяти и процессорных компонентов.

Кроме увеличения затрат, новизна этих технологий означает ограниченные данные об их эффективности в реальных приложениях. Дополнительные испытания и исследования неизбежно приведут к преодолению этих препятствий, но потребуется время.

Большинство моделей искусственного интеллекта, используемых сегодня, разработаны с учетом традиционной архитектуры вычислений. Преобразование их для оптимизированного использования на нейроморфной системе может снизить точность модели и повлечь за собой дополнительные затраты. Компании в области искусственного интеллекта должны разрабатывать модели, специфические для NC, чтобы использовать эту технологию на полную мощность.

Как и любое приложение искусственного интеллекта, нейроморфные вычисления могут вызывать этические вопросы. ИИ представляет серьезные этические проблемы, связанные с проблемой предвзятости, занятостью, кибербезопасностью и конфиденциальностью. Если NC делает полупроводники Интернета вещей способными выполнять гораздо более сложные вычисления искусственного интеллекта, эти риски становятся особенно угрожающими. Регуляторы и лидеры в сфере технологий должны научиться ориентироваться в этом моральном ландшафте, прежде чем создавать и использовать эту новую технологию.

Нейроморфные вычисления изменят полупроводник Интернета вещей

Нейроморфные вычисления могут изменить будущее технологий, начиная от полупроводников управления питанием до центров обработки больших данных в облаке. Они позволят создавать более точные, универсальные, надежные и доступные искусственный интеллект, но эти преимущества приходят вместе с рядом препятствий.

NC требует дальнейших исследований и разработок, прежде чем он станет готовым для эффективного использования в реальном мире. Однако его потенциал неоспорим. Эта технология определит будущее искусственного интеллекта и Интернета вещей. Вопрос лишь в том, когда это произойдет и каков будет положительный эффект.