Superpočítač v mobilu? Vědci se inspirovali mozkem a sestavili mikročip, který zvládá pokročilé úlohy AI

7. 9. 2022
Zdroj: Pixabay
  • Současný vývoj nástrojů umělé inteligence často komplikuje hardwarové vybavení. Většina operací hlubokého učení totiž vyžaduje velké množství výpočetních a energetických kapacit

  • Vědci ze Stanfordovy univerzity však přišli s novým systémem, který napodobuje mozkové synapse a umí proces zefektivnit

  • Jeho analogové uzly pracují na mnoha problémech najednou, a tak umožňují ve srovnání s digitálními čipy větší škálovatelnost


Pokročilá umělá inteligence a normální počítač z prodejny s elektronikou prostě nejde dohromady. Romantici by řekli, že jeden pro druhého nebyly stvořeny, ale ve skutečnosti za to může tradiční uspořádání čipu, které se od dob jejich vynalezení matematikem Johnem von Neumannem příliš nezměnilo. Paměťová média jsou v něm totiž oddělena od hlavních procesorů, a tak každý výpočet musí překonávat překážku nazývanou lidmi z oboru ,paměťová zeď‘. Během celé úlohy je třeba ji přeskočit tolikrát, že to připomíná maraton v překážkovém běhu – je to neskutečné plýtvání energií.

Řešením by mohly být CIM (compute-in-memory) čipy, které, jak název napovídá, paměťovou zeď probořily. Jenže ty se zatím v praxi používají jedině k vývoji dalších čipů, takže místo spouštění reálných úloh na plnohodnotném hardwaru slouží spíše k simulaci dalších situací. Problémem je také to, že uvedená zařízení se těžko přizpůsobují různým typům AI. Proto nemají v chytrých telefonech či jiných přístrojích každodenního použití příliš velké možnosti využití.

10 000krát rychlejší než mozek. Vědci z MIT vyvinuli analogovou neuronovou síť napodobující synapse
Přečtěte si také:

10 000krát rychlejší než mozek. Vědci z MIT vyvinuli analogovou neuronovou síť napodobující synapse

Nicméně týmu okolo doktora H.S. Philipa Wonga působícího na Stanfordově univerzitě a doktora Gerta Cauwenberghse z UC San Diego se nedávno podařilo CIM čipy inovovat. Svá zjištění publikovali v posledním vydání časopisu Nature. Výsledkem jejich snažení se stal zcela nový typ čipu nazvaný NeuRRAM. Jedná o se mimořádně výkonnou neuromorfní výpočetní kapacitu se 48 paralelními jádry a třemi miliony paměťových buněk. Během testů se hravě vypořádal s mnoha standardními úkoly umělé inteligence. Přečetl ručně psaná čísla z papíru, na fotkách rozpoznal auta i jiné objekty, a nakonec s přesností více než 84 procent dekódoval hlasový záznam.

Zlatá horečka

Ve srovnání se stávajícími digitálními čipy je sice úspěšnost NeuRRAMu spíše průměrná, z hlediska energetické náročnosti je však mnohem úspornější. Autoři proto svůj vynález specifikují především jako další krok k implementaci AI přímo do našich kapes. „Kdybychom mohli provádět výpočty rovnou v zařízení namísto posílání dat do cloudu, mohlo by to do budoucna umožnit rychlejší, bezpečnější a levnější umělou inteligenci, která se stane dostupnější pro širší skupinu lidí,“ uvedl Wong pro univerzitní web.

Do procesorů, které budou podporovat neuronové sítě, nyní investují miliardy dolarů i giganti jako Tesla tvořící superpočítač Dojo nebo Google se svou Tensor Processing Unit či Baidu a Amazon. Někteří dokonce uzavřeli kruh a používají k navržení vhodné architektury procesoru neuronovou síť.

Nejzajímavější koncepty však vychází z mozku. Jak totiž nervové impulzy, respektive v podstatě data procházejí našimi neurony, ,zapojují se‘ do sítí prostřednictvím fyzických uzlů nazývaných synapse. Ty se na základě používání strategicky rozestaví, zatímco informace se v nich zpracovávají a ukládají pomocí změn v chemickém složení buněk.

Mozek je vysoce účinný, zvládá provádět mnoho operací najednou, ale přitom váží asi tři kila a vejde se do jedné lebky. Hlavní výhoda přírodního orgánu oproti digitálním zařízením proto spočívá v tom, že neurony, na rozdíl od klasických počítačů, nepotřebují přenášet data z paměti do CPU (central processing unit).

Lidstvo versus příroda

Jak takový mozek vyrobit? Základem bude RRAM (Resistive random-access memory), což je ve zkratce systém odporových paměťových zařízení s náhodným přístupem (také nazývaných ,memristory‘). Díky manipulaci s odporem svého hardwaru dokážou ukládat data i během výpadku napájení. Lze je také také podobně jako nervové buňky sbalit do hustého kokonu a vytvořit tak obvody schopné vysoce komplexních výpočtů na malém prostoru. RRAMu dále pomůže zvýšit výkon, potřebný pro hluboké učení, polovodičový materiál, jenž tvoří součást současných mikroprocesorů.

Roboti od Googlu se učí chápat významy slov. Díky umělé inteligenci mají lépe porozumět přáním lidí
Přečtěte si také:

Roboti od Googlu se učí chápat významy slov. Díky umělé inteligenci mají lépe porozumět přáním lidí

Když je však něco rychlé, tak to buď nebude levné, nebo to nebude dobře. Efektivita mnoha paralelních zapojení v analogové RRAM-CIM architektuře s sebou dosud přinášela nižší přesnost i škálovatelnost, respektive nutnost volit mezi chybovostí a flexibilitou, přiznali autoři. Proto je v rámci nové studie kompletně přepracovali pro praktické využití.

Zaprvé, 48 jader procesoru počítá v případě potřeby současně, ale jinak lze jednotlivé uzly samostatně vypínat, aby se zamezilo plýtvání. Paměť spícího uzlu se v mezičase uloží do čipů RRAM, jež jsou fyzicky navázány na polovodičový obvod. Popsaným způsobem jsou v systému propojeny tři miliony buněk, které přenášejí data oběma směry. Díky tomu se stroj umí přizpůsobit požadavkům mnoha algoritmů a zároveň podobně jako neuron sleduje, jaké množství dat mezi jednotlivými buňkami teče, aby mohlo jeden problém řešit více jader naráz. Dále v reálném čase převádí analogové signály na digitální.

Z laboratoře do kapsy

Není divu, že z mnoha srovnávacích testů s konkurenčními vynálezy vyšel NeuRRAM jako vítěz. Rukou napsané číslice umí dle výzkumníků ze Stanfordu rozpoznávat s 99procentní přesností, přičemž na 85 procent pak rozumí i příkazům v lidské řeči. Když dostal za úkol zaostřit několik nekvalitních obrázků, zapojil jen osm jader, a stejně dosáhl méně než třetinové chybovosti. Při tom spotřeboval jen polovinu energie, jakou by si vyžádali jeho předchůdci.

Zuckerbergova Meta vyvíjí umělou inteligenci. Chce s její pomocí ověřit pravdivost milionů článků na Wikipedii
Přečtěte si také:

Zuckerbergova Meta vyvíjí umělou inteligenci. Chce s její pomocí ověřit pravdivost milionů článků na Wikipedii

Vědci zatím předvedli důkaz, že při práci na novém čipu je možné vyvážit efektivitu s všestranností i precizností. Další výzkum dle autorů studie může směřovat například k optimalizaci dalších neuromorfních výpočetních zařízení, jako jsou paměťové technologie, a potenciálnímu zmenšení čipu natolik, aby se vešel do telefonu.

„Představte si analýzu videa v reálném čase v kombinaci s rozpoznáváním řeči v malém zařízení. Takové věci úplně změní uživatelskou zkušenost,“ podotkl doktor Weier Wan. „Jsem výzkumník a inženýr. Mou ambicí je tedy převést inovace z laboratoří do reálného světa,“ navnadil na závěr.

  • Našli jste v článku chybu?