Потребность современных компьютеров в электроэнергии растет с угрожающей скоростью.
Согласно недавнему отчету Международного энергетического агентства (МЭА), к 2026 году потребление дата-центрами, искусственным интеллектом (ИИ) и криптовалютой может вдвое превысить уровень 2022 года.
По оценкам, в 2026 году потребление энергии этими тремя секторами может примерно соответствовать годовым потребностям Японии в энергии.
Такие компании, как Nvidia, чьи компьютерные чипы сегодня лежат в основе большинства приложений искусственного интеллекта, работают над разработкой более энергоэффективного оборудования.
Но может ли альтернативным путем создать компьютеры с принципиально иной архитектурой, более энергоэффективной?
Некоторые наверняка так думают и опираются на структуру и функции органа, который использует лишь часть мощности обычного компьютера для более быстрого выполнения большего количества операций: мозга.
В нейроморфных вычислениях электронные устройства имитируют нейроны и синапсы и связаны между собой способом, напоминающим электрическую сеть мозга.
Это не новость: исследователи работают над этой методикой с 1980-х годов.
Но энергетические потребности революции искусственного интеллекта усиливают необходимость внедрения зарождающейся технологии в реальный мир.
Текущие системы и платформы существуют в первую очередь как исследовательские инструменты, но их сторонники говорят, что они могут обеспечить огромный выигрыш в энергоэффективности.
Среди тех, у кого есть коммерческие амбиции, есть такие гиганты аппаратного обеспечения, как Intel и IBM.
На сцене также присутствует несколько небольших компаний. «Возможность ждет компанию, которая сможет это понять», — говорит Дэн Хатчесон, аналитик TechInsights. «[И] возможность такова, что это может стать убийцей Nvidia».
В мае компания SpiNNcloud Systems, дочернее предприятие Дрезденского технологического университета, объявила, что впервые начнет продавать нейроморфные суперкомпьютеры и принимает предварительные заказы.
«Мы достигли коммерциализации нейроморфных суперкомпьютеров раньше других компаний», — говорит Гектор Гонсалес, соруководитель компании.
Это значительное достижение, говорит Тони Кеньон, профессор наноэлектроники и нанофотонных материалов Университетского колледжа Лондона, работающий в этой области.
«Хотя убийственного приложения до сих пор не существует… существует множество областей, где нейроморфные вычисления обеспечат значительный прирост в энергоэффективности и производительности, и я уверен, что мы начнем видеть широкое распространение этой технологии по мере ее появления. взрослеет», — говорит он.
Нейроморфные вычисления охватывают целый ряд подходов — от простого подхода, основанного на использовании мозга, до почти полной симуляции человеческого мозга (к чему мы на самом деле даже далеки).
Но есть некоторые основные конструктивные особенности, которые отличают его от обычных вычислений.
Во-первых, в отличие от обычных компьютеров, нейроморфные компьютеры не имеют отдельных блоков памяти и обработки. Вместо этого эти задачи выполняются вместе на одном чипе в одном месте.
Устранение необходимости передачи данных между ними снижает энергопотребление и ускоряет время обработки, отмечает профессор Кеньон.
Также распространенным может быть событийно-ориентированный подход к вычислениям.
В отличие от обычных вычислений, где каждая часть системы всегда включена и доступна для связи с любой другой частью, активация в нейроморфных вычислениях может быть более редкой.
Имитационные нейроны и синапсы активируются только в тот момент, когда им есть что сообщить, примерно так же, как множество нейронов и синапсов в нашем мозгу вступают в действие только там, где есть причина.
Выполнение работы только тогда, когда есть что обрабатывать, также экономит электроэнергию.
И хотя современные компьютеры являются цифровыми (используя 1 или 0 для представления данных), нейроморфные вычисления могут быть аналоговыми.
Исторически важно, что этот метод вычислений основан на непрерывных сигналах и может быть полезен там, где необходимо проанализировать данные, поступающие из внешнего мира.
Однако из соображений простоты большинство коммерчески ориентированных нейроморфных проектов являются цифровыми.
Предполагаемые коммерческие приложения делятся на две основные категории.
Первый из них, на котором сосредоточена деятельность SpiNNcloud, — это предоставление более энергоэффективной и более производительной платформы для приложений искусственного интеллекта, включая анализ изображений и видео, распознавание речи и модели большого языка, которые используются в чат-ботах, таких как ChatGPT.
Другой вариант — приложения «периферийных вычислений», где данные обрабатываются не в облаке, а в реальном времени на подключенных устройствах, но которые работают с ограничениями по энергопотреблению. Автономные транспортные средства, роботы, сотовые телефоны и носимые технологии – все могут выиграть.
Однако технические проблемы остаются. Долгое время основным камнем преткновения на пути развития нейроморфных вычислений считалась разработка программного обеспечения, необходимого для работы чипов.
Хотя наличие аппаратного обеспечения — это одно, его необходимо запрограммировать для работы, а это может потребовать разработки с нуля совершенно другого стиля программирования, чем тот, который используется на обычных компьютерах.
«Потенциал этих устройств огромен… проблема в том, как заставить их работать», — говорит Хатчесон, предсказывая, что пройдет по крайней мере десятилетие, если не два, прежде чем преимущества нейроморфных вычислений будут действительно ощутимы.
Также есть проблемы со стоимостью. Независимо от того, используют ли они кремний, как это делают коммерчески ориентированные усилия, или другие материалы, создание радикально новых чипов обходится дорого, отмечает профессор Кеньон.
![Могут ли компьютеры, подобные мозгу, стать «убийцей конкурентов»? 3 Intel добивается «быстрого прогресса» в разработке нейроморфного компьютера, говорит Майк Дэвис (справа)](https://www.zmax.work/wp-content/uploads/2024/06/a0a2a100-2316-11ef-96c3-99f9322e70a9.webp)
Текущий прототип нейроморфного чипа Intel называется Loihi 2.
В апреле компания объявила, что объединила 1152 из них для создания Hala Point, крупномасштабной нейроморфной исследовательской системы, включающей более 1,15 миллиарда ложных нейронов и 128 миллиардов ложных синапсов.
Обладая емкостью нейронов, примерно эквивалентной мозгу совы, Intel претендует на звание крупнейшей системы в мире на сегодняшний день.
На данный момент это все еще исследовательский проект Intel.
«[Но Hala Point] показывает, что здесь есть реальная жизнеспособность приложений, использующих ИИ», — говорит Майк Дэвис, директор лаборатории нейроморфных вычислений Intel.
По размеру с микроволновой печью Hala Point «коммерчески значима», и в области программного обеспечения наблюдается «быстрый прогресс», говорит он.
IBM называет свой новейший прототип чипа, вдохновленного мозгом, NorthPole.
Представленный в прошлом году, он представляет собой развитие предыдущего прототипа чипа TrueNorth. Испытания показывают, что он более энергоэффективен, экономичен и быстрее, чем любой другой чип, представленный в настоящее время на рынке, говорит Дхармендра Модха, главный научный сотрудник компании в области компьютерных вычислений, основанных на мозге. Он добавляет, что его группа сейчас работает над тем, чтобы продемонстрировать, что микросхемы можно объединить в более крупную систему.
«Путь к рынку будет впереди», — говорит он. Одним из больших нововведений NorthPole, отмечает д-р Модха, является то, что он был разработан совместно с программным обеспечением, поэтому все возможности архитектуры можно использовать с самого начала.
Другие более мелкие нейроморфные компании включают BrainChip, SynSense и Innatera.
Суперкомпьютер SpiNNcloud коммерциализирует нейроморфные вычисления, разработанные исследователями из Технического университета Дрездена и Манчестерского университета под эгидой проекта ЕС «Человеческий мозг».
Результатом этих усилий стали два нейроморфных суперкомпьютера исследовательского назначения: машина SpiNNaker1, базирующаяся в Манчестерском университете, состоящая из более чем одного миллиарда нейронов и работающая с 2018 года.
Машина SpiNNaker2 второго поколения в Техническом университете Дрездена, которая в настоящее время находится в процессе настройки, способна эмулировать как минимум пять миллиардов нейронов. Коммерчески доступная система, предлагаемая SpiNNcloud, может достичь еще более высокого уровня — по меньшей мере, 10 миллиардов нейронов, — говорит Гонсалес.
Будущее будет одним из различных типов вычислительных платформ — обычных, нейроморфных и квантовых, что является еще одним новым типом вычислений, также на горизонте — и все они будут работать вместе, — говорит профессор Кеньон.