Chip yang terinspirasi dari otak menjanjikan AI yang sangat efisien, jadi mengapa tidak ada di mana-mana?

Wawancara Setiap kali pembuat chip atau peneliti mengumumkan kemajuan dalam neuromorfik, itu pasti cerita yang sama: chip AI seperti otak yang mampu menghasilkan kinerja per watt yang luar biasa dibandingkan dengan akselerator tradisional.

Secara intuitif, idenya sangat masuk akal. Otak kita cukup bagus dalam memahami dunia, jadi mengapa chip yang dirancang untuk bekerja seperti mereka tidak bagus juga?

Namun, setelah bertahun-tahun berkembang dan mendapat dukungan dari perusahaan teknologi besar seperti IBM dan Intel, chip seperti otak ini masih bertahun-tahun lagi untuk masuk ke produk konsumen.

Itu tidak menghentikan teknologi untuk menjadi berita utama selama bertahun-tahun. Chip neuromorfik hingga 16 kali lebih efisien; chip mirip otak berpotensi menyalakan superkomputer masa depan; Samsung ingin merekayasa balik otak; IBM Menciptakan otak katak dalam silikon. Anda mendapatkan idenya.

Sementara chip menunjukkan harapan, kenyataannya adalah bidang neuromorfik masih dalam tahap yang sangat eksperimental, dan menghadapi banyak tantangan yang harus diselesaikan sebelum mereka siap untuk prime time, jelas Karl Freund, analis utama di Cambrian AI Research, dalam sebuah wawancara dengan Pendaftaran.

Ini mungkin salah satu alasan mengapa banyak prosesor neuromorfik yang lebih menjanjikan tampaknya terhenti.

IBM, misalnya, belum memberikan pembaruan pada chip neuromorfik True North, yang mampu mensimulasikan lebih dari satu juta neuron, dalam lebih dari empat tahun. SpiNNaker, prosesor jaringan saraf spiking menjanjikan lainnya, menerima hibah €8 juta (c $8.15 juta) pada tahun 2019 untuk mengembangkan chip generasi kedua berdasarkan desain. Namun, perusahaan di balik chip tersebut, Dresden, SpiNNcloud yang berbasis di Jerman, baru sekarang mulai beroperasi.

Prosesor Intel Loihi dan Loihi 2 telah mendekati peluncuran komersial sejauh Intel telah membuat papan pengembangan tersedia untuk peneliti luar di samping kit pengembangan perangkat lunak Lava-nya.

Laboratorium Nasional Sandia milik Departemen Energi, misalnya, adalah mengeksplorasi bagaimana chip ini dapat digunakan untuk mempercepat superkomputer. Dalam sebuah makalah yang diterbitkan dalam jurnal Nature Electronics, para peneliti di Sandia menunjukkan bagaimana chip Intel Loihi “dapat memecahkan masalah yang lebih kompleks daripada yang ditimbulkan oleh kecerdasan buatan dan bahkan dapat memperoleh tempat dalam komputasi kinerja tinggi.”

Namun, setidaknya pada April, Intel telah tidak ada rencana untuk memproduksi chip Loihi-nya dalam waktu dekat.

Apa perampokannya?

Jadi apa yang memberi? Mengapa chip ini, yang menunjukkan janji seperti itu di lab, belum matang lebih cepat mengingat permintaan AI/ML yang tak terpuaskan?

Menurut Freund, salah satu masalah terbesar adalah pendanaan.

“Saya mencoba menghubungkan beberapa pemodal ventura baik dalam [komputasi] neuromorfik dan analog dan respons yang cukup konsisten bahkan sebelum krisis modal saat ini adalah 'kami tidak berinvestasi dalam penelitian'," katanya. “Pengambilan mereka hampir sama dengan saya, yang sebagian besar teknologinya, mungkin semuanya, masih dalam tahap penelitian.”

Akibatnya, kemajuan dalam memproduksi komputasi neuromorfik terbatas pada perusahaan besar dengan anggaran R&D yang dalam, katanya.

Tapi bukan hanya dana yang menghalangi. Freund berpendapat bahwa ruang lingkup masalah neuromorfik semakin besar seiring dengan perkembangan teknologi yang semakin matang.

Dengan chip uji neuromorfik pertama, para ilmuwan terutama berfokus untuk mencapai titik di mana mereka dapat melakukan pekerjaan yang bermanfaat, jelasnya.

Namun, memproduksi chip seperti itu berarti memecahkan masalah lain, seperti bagaimana Anda mendapatkan data masuk dan keluar dari chip secara efektif.

Ini bukan masalah unik untuk neuromorfik dengan cara apa pun. Ini terkait dengan komputasi kuantum dan bahkan akselerator tradisional, yang telah mengumpulkan kemacetan dalam beberapa generasi terakhir karena kecepatan di mana data dapat diproses sebelum dan sesudah dan/atau dicerna dan dikeluarkan dari chip, Freund menjelaskan.

Terakhir, ada masalah mengembangkan perangkat lunak yang dapat memanfaatkan akselerator ini.

"Ini benar-benar akan mengambil seluruh komunitas peneliti untuk memecahkan masalah programabilitas komputasi neuromorfik," kata Freund.

Akselerator tradisional sudah cukup bagus

Mungkin alasan terbesar mengapa komputer neuromorfik tidak mengambil alih adalah karena akselerator tradisional menjadi lebih kuat dan lebih efisien dengan cukup cepat.

“Apa yang mereka temukan adalah bahwa platform, seperti Nvidia Jetson Orin atau beberapa platform baru dari startup, memecahkan masalah dengan sangat cepat. Jadi kebutuhan untuk melakukan sesuatu yang super eksotis terus berkurang seiring dengan perkembangan teknologi yang ada,” kata Freund. “Jika Anda melihat apa yang telah dilakukan Qualcomm dengan mesin AI mereka, Anda berbicara tentang miliwatt… dan apa yang dilakukannya saat Anda mengambil foto sangat mencengangkan.”

Akibatnya, masalah yang berarti dapat diselesaikan dalam amplop daya yang dibutuhkan oleh teknologi digital yang ada.

Sementara neuromorfik mungkin tidak siap untuk menggantikan akselerator tradisional dalam waktu dekat, Freund percaya teknologi pada akhirnya akan mencapai arus utama.

“Hal-hal ini memang membutuhkan waktu untuk matang,” katanya, mengutip kebangkitan prosesor Arm di pusat data sebagai sesuatu yang membutuhkan waktu lebih dari 10 tahun untuk mencapainya. “Dan itu untuk CPU; CPU mudah dibandingkan dengan hal-hal seperti komputasi kuantum dan neuromorfik.” ®