Nowy superkomputer przypominający mózg ma dorównać skali ludzkiego mózgu

Opublikowane ponownie przez Plato

Obserwuje: 0

Nowy superkomputer przypominający mózg ma dorównać skali inteligencji danych PlatoBlockchain ludzkiego mózgu Wyszukiwanie pionowe. AI.

Superkomputer, który ma zostać uruchomiony w kwietniu 2024 r., będzie konkurował z szacunkową szybkością operacji ludzkiego mózgu, według badaczy z Australii. Maszyna o nazwie DeepSouth jest w stanie wykonać 228 bilionów operacji na sekundę.

To pierwszy na świecie superkomputer zdolny do symulowania sieci neuronów i synaps (kluczowych struktur biologicznych tworzących nasz układ nerwowy) w skali ludzkiego mózgu.

DeepSouth należy do podejścia zwane obliczeniami neuromorficznymi, którego celem jest naśladowanie procesów biologicznych zachodzących w ludzkim mózgu. Będzie on prowadzony w Międzynarodowym Centrum Systemów Neuromorficznych na Uniwersytecie Western Sydney.

Nasz mózg jest najbardziej niesamowitą maszyną obliczeniową, jaką znamy. Dystrybuując swoje
mocy obliczeniowej miliardom małych jednostek (neuronów), które oddziałują poprzez biliony połączeń (synaps), mózg może konkurować z najpotężniejszymi superkomputerami na świecie, wymagając przy tym tylko tej samej mocy, co żarówka w lodówce.

Tymczasem superkomputery zajmują zazwyczaj dużo miejsca i do działania potrzebują dużej ilości energii elektrycznej. Światowy najpotężniejszy superkomputerThe Granica przedsiębiorstwa Hewlett Packard, może wykonać nieco ponad jeden kwintylion operacji na sekundę. Zajmuje powierzchnię 680 metrów kwadratowych (7,300 stóp kwadratowych), a do działania potrzebuje 22.7 megawatów.

Nasze mózgi mogą wykonać tę samą liczbę operacji na sekundę przy mocy zaledwie 20 watów i wadze zaledwie 1.3 do 1.4 kilograma. Obliczenia neuromorficzne mają na celu między innymi odkrycie tajemnic tej niesamowitej wydajności.

Tranzystory na granicy

30 czerwca 1945 roku matematyk i fizyk John von Neumann opisał konstrukcję nowej maszyny, tzw Elektroniczny komputer automatyczny o zmiennej dyskretnej (Edvac). To skutecznie zdefiniowało nowoczesny komputer elektroniczny, jaki znamy.

Mój smartfon, laptop, którego używam do pisania tego artykułu, i najpotężniejszy superkomputer na świecie mają tę samą podstawową strukturę, którą wprowadził von Neumann prawie 80 lat temu. Wszystkie mają różne jednostki przetwarzania i pamięci, gdzie dane i instrukcje są przechowywane w pamięci i obliczane przez procesor.

Przez dziesięciolecia liczba tranzystorów w mikrochipie podwajała się mniej więcej co dwa lata, obserwacja znana jako prawo Moore’a. Dzięki temu mogliśmy mieć mniejsze i tańsze komputery.

Jednak rozmiary tranzystorów już się zbliżają skalę atomową. Przy tak małych rozmiarach problemem jest nadmierne wytwarzanie ciepła, a także zjawisko zwane tunelowaniem kwantowym, które zakłóca działanie tranzystorów. To zwalnia i ostatecznie zatrzyma miniaturyzację tranzystorów.

Aby rozwiązać ten problem, naukowcy badają nowe podejścia
computing, zaczynając od potężnego komputera, który wszyscy mamy ukryte w naszych głowach, czyli ludzkiego mózgu. Nasze mózgi nie działają według modelu komputera Johna von Neumanna. Nie mają oddzielnych obszarów obliczeniowych i pamięci.

Zamiast tego działają poprzez połączenie miliardów komórek nerwowych przekazujących informacje w postaci impulsów elektrycznych. Informacje mogą być przekazywane z jednego neuronu do drugiego poprzez złącze zwane synapsą. Organizacja neuronów i synaps w mózgu jest elastyczna, skalowalna i wydajna.

Zatem w mózgu – w przeciwieństwie do komputera – pamięcią i obliczeniami zarządzają te same neurony i synapsy. Od końca lat 1980. naukowcy badają ten model z zamiarem zaimportowania go do obliczeń.

Zwierciadło życia

Komputery neuromorficzne opierają się na skomplikowanych sieciach prostych, elementarnych procesorów (które działają jak neurony i synapsy w mózgu). Główną zaletą jest to, że są to maszyny są z natury „równoległe”.

To znaczy że, podobnie jak neurony i synapsypraktycznie wszystkie procesory w komputerze mogą potencjalnie działać jednocześnie, komunikując się w tandemie.

Ponadto, ponieważ obliczenia wykonywane przez poszczególne neurony i synapsy są bardzo proste w porównaniu z tradycyjnymi komputerami, zużycie energii jest o rząd wielkości mniejsze. Chociaż czasami neurony są uważane za jednostki przetwarzające, a synapsy jako jednostki pamięci, przyczyniają się one zarówno do przetwarzania, jak i przechowywania. Innymi słowy, dane są już zlokalizowane tam, gdzie wymagają tego obliczenia.

Przyspiesza to ogólnie obliczenia mózgu, ponieważ nie ma oddzielenia pamięci od procesora, co w klasycznych maszynach (von Neumanna) powoduje spowolnienie. Ale pozwala także uniknąć konieczności wykonywania określonego zadania dostępu do danych z głównego komponentu pamięci, jak ma to miejsce w konwencjonalnych systemach komputerowych i zużywa znaczną ilość energii.

Zasady, które właśnie opisaliśmy, są główną inspiracją dla DeepSouth. Nie jest to jedyny obecnie aktywny układ neuromorficzny. Warto wspomnieć o Projekt ludzkiego mózgu (HBP), finansowany w ramach Inicjatywa UE. Projekt HBP działał w latach 2013–2023 i doprowadził do powstania BrainScaleS, maszyny zlokalizowanej w Heidelbergu w Niemczech, która emuluje sposób działania neuronów i synaps.

Skala Mózgu może symulować sposób, w jaki neurony „wyskakują”, czyli sposób, w jaki impuls elektryczny przemieszcza się wzdłuż neuronu w naszym mózgu. Dzięki temu BrainScaleS stanie się idealnym kandydatem do badania mechaniki procesów poznawczych, a w przyszłości mechanizmów leżących u podstaw poważnych chorób neurologicznych i neurodegeneracyjnych.

Ponieważ komputery neuromorficzne zostały zaprojektowane tak, aby naśladować rzeczywiste mózgi, mogą być początkiem punktu zwrotnego. Oferując zrównoważoną i niedrogą moc obliczeniową oraz umożliwiając naukowcom ocenę modeli układów neurologicznych, stanowią idealną platformę do szeregu zastosowań. Mają potencjał, aby zarówno pogłębić naszą wiedzę o mózgu, jak i zaoferować nowe podejścia do sztucznej inteligencji.

Artykuł został opublikowany ponownie Konwersacje na licencji Creative Commons. Przeczytać oryginalny artykuł.

Kredytowych Image: Marian Anbu Juwan / Pixabay