211service.com
IBM-chip verwerkt gegevens op dezelfde manier als uw hersenen
Een nieuw soort computerchip, vandaag onthuld door IBM, haalt ontwerpelementen uit de gerimpelde buitenste laag van het menselijk brein. Hoewel het geen partij is voor een conventionele microprocessor bij het kraken van cijfers, verbruikt de chip aanzienlijk minder stroom en is hij veel beter geschikt voor het verwerken van afbeeldingen, geluid en andere sensorische gegevens.
Nieuw denken: IBM heeft een processor gebouwd die is ontworpen met behulp van principes die in je brein aan het werk zijn.
IBM's SyNapse-chip verwerkt informatie met behulp van een netwerk van iets meer dan een miljoen neuronen, die met elkaar communiceren door middel van elektrische spikes - zoals echte neuronen doen. De chip gebruikt dezelfde basiscomponenten als de huidige commerciële chips: siliciumtransistors. Maar de transistors zijn geconfigureerd om het gedrag van beide neuronen en de verbindingen - synapsen - daartussen na te bootsen.
De SyNapse-chip breekt met een ontwerp dat bekend staat als de Von Neumann-architectuur en dat al tientallen jaren de basis vormt voor computerchips. Hoewel onderzoekers sinds het einde van de jaren tachtig experimenteren met chips die zijn gemodelleerd naar hersenen - ook wel neuromorfische chips genoemd - waren ze tot nu toe allemaal vele malen minder complex en niet krachtig genoeg om praktisch te zijn (zie Thinking in Silicon). Details van de chip zijn vandaag gepubliceerd in het tijdschrift Wetenschap .
De nieuwe chip is nog geen product, maar is krachtig genoeg om aan echte problemen te werken. Tijdens een demonstratie in het onderzoekscentrum van IBM in Almaden, MIT Technology Review zag iemand auto's, mensen en fietsen herkennen in video van een kruispunt. Een laptop in de buurt die was geprogrammeerd om dezelfde taak uit te voeren, verwerkte de beelden 100 keer langzamer dan realtime en verbruikte 100.000 keer zoveel stroom als de IBM-chip. IBM-onderzoekers experimenteren nu met het aan elkaar koppelen van meerdere SyNapse-chips en hopen met duizenden een supercomputer te bouwen.
Wanneer gegevens in een SyNapse-chip worden ingevoerd, veroorzaakt dit een stroom van pieken, en de neuronen reageren met een storm van verdere pieken. De iets meer dan een miljoen neuronen op de chip zijn georganiseerd in 4.096 identieke blokken van 250, een opstelling geïnspireerd op de structuur van zoogdierhersenen, die lijken te zijn opgebouwd uit herhalende circuits van 100 tot 250 neuronen, zegt Dharmendra Modha , hoofdwetenschapper voor hersengeïnspireerd computergebruik bij IBM. Bij het programmeren van de chip moet worden gekozen welke neuronen met elkaar verbonden zijn en hoe sterk ze elkaar beïnvloeden. Om bijvoorbeeld auto's in video te herkennen, zou een programmeur de benodigde instellingen op een gesimuleerde versie van de chip uitwerken, die vervolgens zou worden overgedragen naar het echte werk.
De afgelopen jaren zijn er grote doorbraken in beeldanalyse en spraakherkenning gekomen door het gebruik van grote, gesimuleerde neurale netwerken om aan gegevens te werken (zie Deep Learning). Maar die netwerken vereisen gigantische clusters van conventionele computers. Het beroemde neurale netwerk van Google dat in staat is om gezichten van katten en mensen te herkennen, had bijvoorbeeld 1.000 computers nodig met elk 16 processors (zie Autodidactische software).
Hoewel de nieuwe SyNapse-chip meer transistors heeft dan de meeste desktopprocessors, of welke chip dan ook die IBM ooit heeft gemaakt, met meer dan vijf miljard, verbruikt hij opvallend weinig stroom. Bij het uitvoeren van de demo voor verkeersvideoherkenning, verbruikte deze slechts 63 milliwatt aan stroom. Serverchips met een vergelijkbaar aantal transistors verbruiken tientallen watts aan stroom, ongeveer 10.000 keer meer.
De efficiëntie van conventionele computers is beperkt omdat ze gegevens en programma-instructies opslaan in een geheugenblok dat gescheiden is van de processor die instructies uitvoert. Omdat de processor zijn instructies in een lineaire volgorde afwerkt, moet hij constant informatie heen en weer pendelen vanuit de geheugenopslag - een knelpunt dat de zaken vertraagt en energie verspilt.
De nieuwe chip van IBM heeft geen aparte geheugen- en verwerkingsblokken, omdat de neuronen en synapsen de twee functies met elkaar verweven. En het werkt niet op gegevens in een lineaire opeenvolging van bewerkingen; individuele neuronen vuren eenvoudigweg wanneer de spikes die ze van andere neuronen ontvangen ervoor zorgen dat ze dat doen.
Horst Simon , de adjunct-directeur van het Lawrence Berkeley National Lab en een expert in supercomputing, zegt dat de industrie zich tot nu toe heeft geconcentreerd op het sleutelen aan de Von Neumann-aanpak in plaats van deze te vervangen, bijvoorbeeld door meerdere processors parallel te gebruiken of grafische processors te gebruiken om bepaalde soorten berekeningen op. De nieuwe chip kan een historische ontwikkeling zijn, zegt hij. Het zeer lage stroomverbruik en de schaalbaarheid van deze architectuur zijn echt uniek.
Een nadeel is dat de chip van IBM een geheel nieuwe benadering van programmeren vereist. Hoewel het bedrijf vorig jaar een reeks tools aankondigde die gericht zijn op het schrijven van code voor zijn aanstaande chip (zie IBM Scientists Show Blueprints for Brainlike Computing ), vinden zelfs de beste programmeurs het leren werken met de chip kneuzingen, zegt Modha: Het is bijna altijd een frustrerende ervaring. Zijn team werkt aan een bibliotheek met kant-en-klare codeblokken om het proces gemakkelijker te maken.
De industrie vragen om een geheel nieuw soort chip en een nieuwe manier van coderen te gebruiken, lijkt misschien gewaagd. Maar IBM kan een ontvankelijk publiek vinden omdat het duidelijk wordt dat de huidige computers niet veel meer zullen kunnen leveren op het gebied van prestatiewinst. Deze chip komt op het juiste moment, zegt Simon.