Intel Pohoiki Springs to najnowszy i najpotężniejszy, neuromorficzny system badawczy wykorzystujący możliwości obliczeniowe 100 mln neuronów. Działający w chmurze system zostanie udostępniony członkom Intel Neuromorphic Research Community (INRC), zwiększając ich możliwości rozwiązywania coraz bardziej złożonych problemów przy pomocy architektury neuromorficznej.
„Pohoiki Springs jest o ponad 750 razy wydajniejszy niż nasz neuromorficzny procesor naukowo badawczy Loihi, pracując przy poziomie poboru mocy poniżej 500W. System umożliwia naszym partnerom badawczym poszukiwanie sposobów na przyspieszenie obliczeń naukowych, które przy wykorzystaniu konwencjonalnych architektur, w tym w systemów o wysokiej wydajności HPC wykonywane są bardzo powoli” – Mike Davies, dyrektor Intel Neuromorphic Computing Lab. Pohoiki Springs to największy opracowany do tej pory system obliczeń neuromorficznych firmy Intel. W jego obudowie, wielkości 5 standardowych serwerów rack mieści się 768 neuromorficznych procesorów badawczych Loihi.
Działanie procesorów Loihi zostało zainspirowane funkcjonowaniem ludzkiego mózgu. Podobnie jak mózg, Loihi może przetwarzać niektóre wymagające zadania nawet 1000 razy szybciej i 10 000 razy wydajniej niż konwencjonalne procesory. Pohoiki Springs to kolejny krok w rozwoju tej architektury, pozwalający ocenić jej potencjał w zakresie rozwiązywania nie tylko zagadnień związanych z AI, ale także szerokiej gamy zadań trudnych obliczeniowo. Naukowcy Intela uważają, że ekstremalna równoległość i asynchroniczność systemów neuromorficznych może zapewnić znaczny wzrost wydajności przy radykalnie obniżonym poziomie poboru mocy w porównaniu z najbardziej zaawansowanymi konwencjonalnymi komputerami dostępnymi obecnie na rynku.
Obliczenia neuromorficzne to całkowite nowe, inne od dotychczasowego podejście do architektury komputera. Celem jest zastosowanie najnowszych informacji z dziedziny neurobiologii, aby stworzyć układy, których działanie mniej przypomina tradycyjne komputery, a bardziej zasadę działania ludzkiego mózgu. Systemy neuromorficzne na poziomie sprzętowym naśladują sposób, w jaki są zorganizowane neurony, to jak się komunikują i uczą. Intel widzi, że Loihi i przyszłe procesory neuromorficzne definiują nowy model programowalnego przetwarzania danych, aby zaspokoić rosnące zapotrzebowanie świata na wszechobecne, inteligentne urządzenia.
W świecie przyrody nawet bardzo małe organizmy żywe bez przerwy rozwiązują niezwykle trudne problemy obliczeniowe. Na przykład wiele owadów w czasie rzeczywistym śledzi obiekty w ruchu, nawigując między nimi i omijając przeszkody, mimo że ich mózgi mają znacznie mniej niż 1 mln neuronów.
Podobnie najmniejszy system neuromorficzny Intela, Kapoho Bay, składa się z dwóch układów Loihi z 262 000 neuronami i obsługuje różnorodne obliczenia brzegowe w czasie rzeczywistym. Badacze Intela i INRC zademonstrowali zdolność Loihi do rozpoznawania gestów w czasie rzeczywistym, czytania pisma zapisanego alfabetem Braille’a przy użyciu nowatorskiej sztucznej skóry, orientowania się według wyuczonych punktów orientacyjnych i uczenia się nowych wzorów zapachów. Wszystko to zaś przy zużyciu zaledwie dziesiątek miliwatów mocy – wartości śmiesznie małej w porównaniu z komputerami wykorzystującymi konwencjonalną architekturę. Przykłady w małej skali wykazały póki co doskonałą skalowalność, więc także bardziej złożone zagadnienia są rozwiązywane na Loihi szybciej i wydajniej niż na konwencjonalnych komputerach. Odzwierciedla to skalowalność układów nerwowych występujących w naturze, od owadów po mózg człowieka.
Badacze Intela i INRC zademonstrowali zdolność Loihi do rozpoznawania gestów w czasie rzeczywistym, czytania pisma zapisanego alfabetem Braille’a przy użyciu nowatorskiej sztucznej skóry, orientowania się według wyuczonych punktów orientacyjnych i uczenia się nowych wzorów zapachów. Wszystko to zaś przy zużyciu zaledwie dziesiątek miliwatów mocy – wartości śmiesznie małej w porównaniu z komputerami wykorzystującymi konwencjonalną architekturę.
Dzięki 100 mln neuronów, Pohoiki Springs zwiększa możliwości przetwarzania Loihi do poziomu możliwości mózgu małego ssaka, co stanowi ważny krok na drodze do wykorzystania systemów neuromorficznych do znacznie bardziej wymagających zadań. System ten stanowi podstawę autonomicznej, połączonej przyszłości, która będzie wymagać nowego podejścia do przetwarzania danych w czasie rzeczywistym.
Systemy neuromorficzne Intela, takie jak Pohoiki Springs, są wciąż w fazie badań i nie mają na celu zastąpienia konwencjonalnych komputerów. Zamiast tego stanowią dla naukowców narzędzie do opracowania i wypróbowania nowych algorytmów inspirowanych budową i działaniem układu nerwowego, zdolnych do przetwarzania w czasie rzeczywistym, rozwiązywania problemów, adaptacji i uczenia się. Członkowie INRC będą uzyskiwać dostęp do aplikacji w Pohoiki Springs i budować je za pośrednictwem chmury, a także przy użyciu pakietu Intel Nx SDK i komponentów oprogramowania opracowanych przez społeczność.
Tradycyjne procesory ogólnego przeznaczenia, takie jak CPU i GPU, są szczególnie skuteczne w trudnych dla ludzi zadaniach, takich jak precyzyjne obliczenia matematyczne. Ale rola i zastosowania technologii zmieniają się. W przypadku automatyzacji, użycia sztucznej inteligencji i wielu innych dziedzin istnieje coraz większa potrzeba, aby działanie komputerów bardziej przypominało funkcjonowanie ludzkiego mózgu, przetwarzając nieustrukturyzowane i zanieczyszczone tzw. szumem informacyjnym dane w czasie rzeczywistym, na bieżąco dostosowując się do zmian. To wyzwanie motywuje nowe i wyspecjalizowane architektury.
Przykłady obiecujących, wysoce skalowalnych algorytmów rozwijanych dla Loihi to m.in.:
- Constraint Satisfaction – zagadnienia tzw. constraint satisfaction problems (CSP) są obecne wszędzie w otaczającym nas świecie, od gry Sudoku po planowanie połączeń lotniczych czy dostawy przesyłek. Wymagają oceny dużej liczby potencjalnych rozwiązań w celu zidentyfikowania tego lub tych, które spełniają określone wymagania i ograniczenia. Loihi może przyspieszyć radzenie sobie z takimi problemami, badając wiele różnych rozwiązań równolegle z dużą prędkością.
- Wyszukiwanie w wykresach i wzorach – Każdego dnia ludzie przeszukują struktury danych oparte na grafach, aby znaleźć optymalne ścieżki i dopasowania wzorców, na przykład w celu wyszukania najkrótszej, najszybszej i najwygodniejszej trasy dojazdu do zadanego miejsca lub rozpoznania twarzy. Loihi wykazuje zdolność do szybkiego identyfikowania najkrótszych ścieżek na wykresach i wykonywania wyszukiwań obrazów.
- Zagadnienia związane z optymalizacją – Architektury neuromorficzne można zaprogramować tak, aby ich dynamiczne zachowanie w czasie matematycznie optymalizowało określone cele. Takie zachowanie można zastosować w celu rozwiązania rzeczywistych problemów związanych z optymalizacją, takich jak maksymalizacja przepustowości kanału komunikacji bezprzewodowej lub przydzielenie portfela akcji w celu zminimalizowania ryzyka przy docelowej stopie zwrotu.
Tradycyjne procesory ogólnego przeznaczenia, takie jak CPU i GPU, są szczególnie skuteczne w trudnych dla ludzi zadaniach, takich jak bardzo precyzyjne obliczenia matematyczne. Ale rola i zastosowania technologii zmieniają się. W przypadku automatyzacji, użycia sztucznej inteligencji i wielu innych dziedzin istnieje coraz większa potrzeba, aby działanie komputerów bardziej przypominało funkcjonowanie ludzkiego mózgu, przetwarzając nieustrukturyzowane i zanieczyszczone tzw. szumem informacyjnym dane w czasie rzeczywistym, na bieżąco dostosowując się do zmian. To wyzwanie motywuje nowe i wyspecjalizowane architektury.
Obliczenia neuromorficzne to całkowite nowe, inne od dotychczasowego podejście do architektury komputera. Celem jest zastosowanie najnowszych informacji z dziedziny neurobiologii, aby stworzyć układy, których działanie mniej przypomina tradycyjne komputery, a bardziej zasadę działania ludzkiego mózgu. Systemy neuromorficzne na poziomie sprzętowym naśladują sposób, w jaki są zorganizowane neurony, to jak się komunikują i uczą. Intel widzi, że Loihi i przyszłe procesory neuromorficzne definiują nowy model programowalnego przetwarzania danych, aby zaspokoić rosnące zapotrzebowanie świata na wszechobecne, inteligentne urządzenia.
