Искусственные нейроны нового поколения позволят создавать сверхэкономичные ИИ-чипы / Все новости / Главная

Современный искусственный интеллект становится всё мощнее, но вместе с его возможностями растёт и потребность в электроэнергии. Обучение и работа крупных нейросетей требуют огромных вычислительных ресурсов, а дата-центры расходуют всё больше электричества. Особенно остро эта проблема проявляется при попытках перенести сложные ИИ-модели на компактные устройства — роботов, носимую электронику и автономные датчики.

Исследователи из Оклендского университета (Oakland University, США) предложили необычный способ решить эту проблему. Они разработали концепцию искусственного нейрона, который имитирует принципы передачи сигналов в человеческом мозге и способен реагировать менее чем за пять наносекунд. По оценкам команды, подобный подход в перспективе может позволить создавать ИИ-оборудование, потребляющее до 500 раз меньше энергии по сравнению с современными системами при выполнении сопоставимых задач.

Почему искусственному интеллекту нужна новая архитектура?

Человеческий мозг остаётся одним из самых впечатляющих примеров энергоэффективных вычислений. Он способен одновременно обрабатывать огромное количество информации, распознавать образы, запоминать события и принимать решения, расходуя при этом всего около 20 ватт энергии — примерно столько потребляет обычная бытовая лампочка.

Современные компьютерные системы пока очень далеки от такого показателя. Согласно оценкам исследовательской группы, аппаратные платформы, используемые для выполнения вычислений искусственного интеллекта (ИИ-инференса), могут потреблять примерно в 500 раз больше энергии, чем мозг, при решении сопоставимых задач.

Одна из причин заключается в принципиальном различии между работой биологических нейронов и традиционных компьютерных процессоров.

Обычные вычислительные системы постоянно выполняют операции с данными, перемещая информацию между процессором и памятью. Каждый такой обмен требует дополнительных ресурсов. Чем сложнее модель искусственного интеллекта, тем заметнее становятся энергетические затраты.

Учёные из Оклендского университета решили обратиться к биологии и использовать другой принцип: вместо постоянных вычислений — передачу коротких электрических импульсов, напоминающих сигналы нервных клеток.

Как работает искусственный нейрон?

В основе новой разработки лежит компонент под названием магнитный туннельный переход (Magnetic Tunnel Junction, MTJ). Это миниатюрное магнитное устройство, объединённое с обычным транзистором — элементом, который широко применяется в современной электронике.

Принцип работы основан на естественных свойствах магнитных материалов.

Когда через устройство проходит электрический ток, его магнитный элемент способен переключаться между различными состояниями. В результате возникают короткие электрические импульсы, напоминающие по своему характеру сигналы, которыми обмениваются нейроны человеческого мозга.

Важное отличие заключается в том, что для выполнения этой задачи не требуется сложная система цифровой логики. Устройство использует собственные физические свойства магнитного материала, что позволяет сократить количество необходимых электронных компонентов.

По данным исследователей, время реакции такого искусственного нейрона составляет менее пяти наносекунд. Одна наносекунда — это миллиардная доля секунды, поэтому речь идёт о чрезвычайно быстром отклике.

Однако скорость — лишь одна сторона разработки. Не менее важно то, как именно нейроны обрабатывают информацию.

Вычисления там, где хранится информация

В традиционных компьютерных архитектурах процессор и память обычно представляют собой отдельные компоненты. Поэтому для обработки данных их приходится постоянно перемещать между этими узлами.

Такой обмен создаёт дополнительные энергетические затраты и становится одним из главных ограничений при разработке мощных ИИ-систем.

Новая архитектура предлагает иной подход: вычисления происходят непосредственно там, где находится информация. Это направление известно как вычисления в памяти (in-memory computing).

Магнитные искусственные нейроны передают информацию не только посредством обычных двоичных сигналов, но и через временные характеристики электрических импульсов. Иными словами, значение имеет не просто наличие сигнала, но и момент его появления.

Такой принцип напоминает работу биологических нервных клеток, которые взаимодействуют посредством коротких электрических импульсов.

Исследователи проверили работоспособность концепции, объединив несколько магнитных нейронов в небольшую нейронную сеть. Её обучили решать задачу XOR — логическую операцию «исключающее ИЛИ», которая широко используется в качестве теста при проверке возможностей нейросетей.

Экспериментальная модель смогла освоить эту задачу, регулируя временные характеристики импульсов, а не выполняя традиционные цифровые вычисления.

Есть и ещё одна важная особенность: нейроны работают по событийно-ориентированному принципу. Это означает, что они остаются преимущественно неактивными, пока не поступит новая информация. Следовательно, системе не приходится постоянно расходовать энергию на обработку данных, которые в данный момент не требуют внимания.

Где пригодятся энергоэффективные ИИ-чипы?

Если разработку удастся реализовать в виде полноценных аппаратных устройств, она может найти применение в самых разных областях.

Прежде всего речь идёт об устройствах, которые должны самостоятельно обрабатывать информацию, но имеют ограниченный запас энергии:

  • Робототехника. Роботы смогут выполнять задачи распознавания окружающей среды и принятия решений с меньшими затратами энергии.
  • Автономные системы. Новая архитектура может оказаться полезной для устройств, работающих без постоянного подключения к электросети.
  • Умные датчики. Сенсоры смогут анализировать поступающие данные непосредственно на месте, не передавая весь поток информации на удалённые серверы.
  • Носимая электроника. Компактные ИИ-системы потенциально смогут работать в устройствах с небольшими аккумуляторами.
  • Периферийные вычисления (Edge AI). Искусственный интеллект сможет выполнять больше операций непосредственно на устройстве, не обращаясь постоянно к облачным дата-центрам.

Особое значение имеет совместимость новой технологии с существующей электронной промышленностью. Разработка объединяет магнитные компоненты с традиционными CMOS-транзисторами, которые используются в производстве современных микросхем.

Кроме того, магнитные туннельные переходы уже применяются в некоторых технологиях коммерческой памяти. Это может облегчить интеграцию новых нейронных элементов в существующие производственные процессы.

От компьютерной модели до настоящего чипа

Несмотря на многообещающие результаты, разработка пока находится на ранней стадии.

На данный момент исследователи продемонстрировали работоспособность концепции посредством компьютерного моделирования. Следующий шаг — изготовление физических образцов магнитных нейронов и проверка их характеристик в реальных условиях.

Именно этот этап покажет, насколько хорошо теоретические результаты воспроизводятся на практике. Предстоит проверить стабильность работы устройств, их фактическое энергопотребление, возможности масштабирования и совместимость с полноценными вычислительными системами.

Если испытания окажутся успешными, технология может стать одним из перспективных направлений развития нейроморфных вычислений — аппаратных архитектур, которые воспроизводят отдельные принципы работы человеческого мозга.

Впрочем, до появления подобных процессоров в массовой электронике ещё далеко. Но сама идея заслуживает внимания: вместо того чтобы бесконечно наращивать вычислительную мощность традиционных чипов, инженеры пытаются изменить сам принцип обработки информации. И, возможно, именно такой подход позволит сделать искусственный интеллект не только быстрее, но и значительно экономичнее.

 

Комментарии

comments powered by Disqus
Мы в социальных сетях: