Будущее наступило: как нейроморфные технологии могут изменить мир

Нейроморфные вычисления — область, применяющая принципы нейронаук к вычислительным системам, чтобы имитировать функции и структуру мозга, — нуждаются в расширении масштабов, если они хотят эффективно конкурировать с нынешними вычислительными методами.

Исследователи представили подробную дорожную карту того, как нейроморфные вычисления могут достичь этой цели.

Исследование предлагает новую практическую перспективу приближения к когнитивным возможностям человеческого мозга при сопоставимых форм-факторах и энергопотреблении.

Мы не ожидаем, что для масштабных нейроморфных систем будет создано универсальное решение, а скорее целый ряд нейроморфных аппаратных решений с различными характеристиками в зависимости от потребностей приложений, — заявляют авторы.

Разносторонние применения нейроморфных вычислений

Нейроморфные вычисления находят применение в научных вычислениях, искусственном интеллекте, дополненной и виртуальной реальности, носимых устройствах, умном сельском хозяйстве, умных городах и многом другом.

Нейроморфные чипы способны превзойти традиционные компьютеры по энергоэффективности, занимаемой площади и производительности. Это может дать существенные преимущества в различных областях, включая ИИ, здравоохранение и робототехнику.

Поскольку к 2026 году потребление электроэнергии ИИ, по прогнозам, удвоится, нейроморфные вычисления представляются перспективным решением.

Нейроморфные вычисления особенно актуальны сегодня, когда мы наблюдаем несостоятельное масштабирование энерго- и ресурсоемких систем ИИ, — говорит Герт Каувенбергс, заслуженный профессор кафедры биоинженерии Университета Сан-Диего имени Шу Чьен-Гена Лэя и один из соавторов статьи.

Нейроморфные вычисления переживают переломный момент, говорит Дхиреша Кудитипуди, заведующий кафедрой имени Роберта Ф. Макдермотта в Техасском университете Сан-Антонио и соавтор статьи.

Сейчас мы находимся на этапе, когда есть огромная возможность создать новые архитектуры и открытые фреймворки, которые могут быть использованы в коммерческих приложениях, — сказала она.

Я твердо убеждена, что тесное сотрудничество между промышленностью и научными кругами — это ключ к формированию будущего этой области.

Дальнейшее развитие нейроморфных систем

В прошлом году Каувенбергс и Кудитипуди получили грант в размере 4 миллионов долларов от Национального научного фонда для запуска проекта THOR: The Neuromorphic Commons, первой в своем роде исследовательской сети, предоставляющей доступ к открытому оборудованию и инструментам для нейроморфных вычислений в поддержку междисциплинарных и совместных исследований.

В 2022 году нейроморфный чип, разработанный командой под руководством Каувенбергса, показал, что эти чипы могут быть очень динамичными и универсальными без ущерба для точности и эффективности. Чип NeuRRAM выполняет вычисления непосредственно в памяти и может запускать различные приложения ИИ — и все это при меньших затратах энергии, чем потребляют вычислительные платформы для ИИ общего назначения.

Каувенбергс пояснил:

Наше исследование открывает перспективы для дальнейшего расширения нейроморфных систем ИИ на кремнии и новых чипах, чтобы приблизиться как к огромным масштабам, так и к чрезвычайной эффективности самообучающейся способности мозга млекопитающих.

Имитация активности в человеческом мозге

Авторы предлагают несколько ключевых характеристик, которые необходимо оптимизировать для достижения масштаба в нейроморфных вычислениях, включая разреженность, определяющую особенность человеческого мозга.

Мозг развивается путем формирования многочисленных нейронных связей (денсификация), а затем выборочного обрезания большинства из них. Эта стратегия оптимизирует пространственную эффективность, сохраняя информацию с высокой точностью.

В случае успешной эмуляции эта особенность может позволить создать нейроморфные системы, которые будут значительно более энергоэффективными и компактными.

Расширяемая масштабируемость и превосходная эффективность обусловлены массивным параллелизмом и иерархической структурой нейронного представления, — говорит Каувенбергс.

Кроме того, авторы призывают к более тесному сотрудничеству внутри научных кругов и между научными и промышленными кругами, а также к разработке более широкого спектра удобных языков программирования, чтобы снизить барьер для входа в эту область.

По их мнению, это будет способствовать расширению сотрудничества, особенно между дисциплинами и отраслями.

Ранее ученые объяснили уникальный интеллект Эйнштейна особенностями строения его мозга.

27.01.2025