Các hệ thống neuromorphic có phải là tương lai của máy tính hiệu suất cao không?

Bộ não của con người rất tốt trong việc lưu trữ và xử lý thông tin. Trong khi kiến ​​thức của chúng ta về cách thức hoạt động của não bộ vẫn chưa hoàn thiện, các nhà khoa học và kỹ sư đang phát triển các công nghệ máy tính bắt chước cách các tế bào thần kinh hoạt động trong não. Đây không chỉ là việc xây dựng các máy tính nhanh hơn; não cũng rất tiết kiệm năng lượng và những dấu hiệu ban đầu cho thấy các hệ thống thần kinh sinh học có thể mang lại hiệu quả năng lượng được cải thiện. Đây là một cân nhắc quan trọng vì tiêu thụ năng lượng và nhiệt thải là những yếu tố hạn chế đối với các thiết bị điện tử thông thường.

Một câu hỏi lớn đối với những người làm việc trong lĩnh vực này là chúng ta nên đi bao xa trong việc bắt chước bộ não. Các hệ thống trong tương lai có nên là hệ thần kinh đa hình - cố gắng tạo ra các hệ thống càng gần với não bộ càng tốt - hay chúng nên được truyền cảm hứng từ não bộ, thay vì bắt chước nó?

Một cách hay để nghĩ về điều này là mối quan hệ giữa chim và máy bay. Chuyến bay của con người được lấy cảm hứng từ các loài chim và một chiếc máy bay bắt chước một số khía cạnh của chuyến bay của loài chim - rõ ràng nhất là hai cánh. Nhưng máy bay hoàn toàn không phải là bản sao của một con chim - ví dụ như động cơ phản lực rất khác so với động cơ vỗ cánh.

Bốn chuyên gia

Tuần này, bốn chuyên gia đã tham gia vào một tranh luận về vai trò trong tương lai của các hệ thống neuromorphic trong điện toán. Sự kiện được chủ trì bởi Regina Dittmann, là chuyên gia về vật liệu điện tử tại Forschungszentrum Jülich ở Đức.

Lập luận về trường hợp tính toán thần kinh đa hình là Kwabena Boahen - người sáng lập và giám đốc phòng thí nghiệm Brains in Silicon của Đại học Stanford ở California - và Ralph Etienne-Cummings, người chỉ đạo Phòng thí nghiệm Hệ thống Động cơ-Cảm giác Tính toán tại Đại học Johns Hopkins ở Maryland.

Sự thận trọng khi vận động đã Yann LeCun - người đứng đầu nhà khoa học AI tại Meta (Facebook) và thành viên của Phòng thí nghiệm Trí tuệ Tính toán, Học tập, Tầm nhìn và Người máy tại Đại học New York - và Bill Dally là nhà khoa học chính tại NVIDIA và là thành viên của Bio-X tại Đại học Stanford.

Tích hợp trong 3D

Boahen bắt đầu cuộc tranh luận bằng cách nói rằng sự thành công của tính toán thần kinh đa hình phụ thuộc vào khả năng tích hợp và mở rộng quy mô các thành phần của chúng ta giống như cách ngành công nghiệp bán dẫn đạt được sự tăng trưởng theo cấp số nhân về số lượng bóng bán dẫn trên chip trong nhiều năm. Để minh họa tầm quan trọng của hằng số thời gian trong định luật Moore thần kinh này, ông đã sử dụng một đơn vị thú vị của sức mạnh tính toán thần kinh - não của capybara - mà ông so sánh với não của một con ruồi.

Boahen tin rằng việc chuyển từ kiến ​​trúc 2D sang 3D sẽ giúp thúc đẩy quá trình tích hợp, nhưng có rất nhiều thách thức.

Etienne-Cummings đã chỉ ra rằng tính toán thần kinh đa hình rất khác so với tính toán thông thường. Không giống như các xung điện tử trong máy tính, các xung điện áp trong hệ thống thần kinh không mang thông tin, thay vào đó, khoảng thời gian giữa các xung mới là quan trọng. Theo một nghĩa nào đó, các hệ thống neuromorphic đạt đến chiều không gian thứ tư.

Ứng dụng y tế

Ông nhấn mạnh rằng các hệ thống thần kinh sinh học dựa trên đột biến sẽ đóng vai trò quan trọng trong việc tích hợp hệ thống sinh học với máy tính thông thường. Ví dụ, điều này sẽ dẫn đến các công nghệ y tế tốt hơn như các bộ phận giả.

Phát biểu về những hạn chế của tính toán thần kinh đa hình, Dally chỉ ra rằng đột biến là một cách biểu diễn số không hiệu quả. Điều này có nghĩa là chúng không đặc biệt hữu ích để thực hiện nhiều tác vụ hiện đang được thực hiện bởi các máy tính thông thường. Thật vậy, anh ấy nói rằng chúng ta cần suy nghĩ thêm về những mô hình mạng nơ-ron nào thích hợp cho những nhiệm vụ nào - bằng cách sử dụng ví dụ về con chim và chiếc máy bay. Ông nói, các hệ thống thần kinh sẽ hữu ích cho việc mô phỏng sinh học.

LeCun đồng tình về sự cần thiết phải thông minh về những gì chúng ta sao chép từ bộ não trong các hệ thống máy tính. Ông chỉ ra rằng các thiết bị điện tử tương tự cần thiết cho tính toán thần kinh đa hình là rất khó xây dựng và tích hợp vào lúc này, đồng thời đặt câu hỏi liệu một cuộc cách mạng công nghệ có sắp xảy ra hay không.

Máy gia tốc hình thần kinh

Ông nói rằng các hệ thống neuromorphic có thể được sử dụng như các máy gia tốc thực hiện các nhiệm vụ cụ thể cho các hệ thống máy tính thông thường. Một ví dụ mà anh ấy đưa ra là máy gia tốc cho kính mắt thực tế tăng cường.

Tìm hiểu thêm

Các chuyên gia tranh luận về các con đường có thể dẫn đến AI giống con người

Vậy, khán giả bị thuyết phục bởi những người ủng hộ thần kinh sinh học hay bởi những người hoài nghi? Một cuộc thăm dò được thực hiện khi bắt đầu cuộc tranh luận của Dittman cho thấy 46% khán giả đồng ý rằng các hệ thống neuromorphic là tương lai của máy tính hiệu suất cao. Sau cuộc tranh luận, con số này đã tăng lên 56%, vì vậy các ayes đều có.

Bạn có thể đăng ký để theo dõi cuộc tranh luận tại đây: Tương lai của máy tính hiệu năng cao: các hệ thống thần kinh đa hình có phải là câu trả lời? Cuộc tranh luận được tài trợ bởi tạp chí Kỹ thuật và máy tính thần kinh. Nó được xuất bản bởi IOP Publishing, cũng mang đến cho bạn Thế giới vật lý.

• Kwabena Boahen nói về tính toán thần kinh cấu trúc dựa trên silicon trong tập của Vật lý thế giới hàng tuần Podcast.

Các bài viết Các hệ thống neuromorphic có phải là tương lai của máy tính hiệu suất cao không? xuất hiện đầu tiên trên Thế giới vật lý.

• Coinsmart. Sàn giao dịch Bitcoin và tiền điện tử tốt nhất Châu Âu.
• Platoblockchain. Web3 Metaverse Intelligence. Khuếch đại kiến ​​thức. TRUY CẬP MIỄN PHÍ.
• CryptoHawk. Radar Altcoin. Dùng thử miễn phí.
• Nguồn: https://physicsworld.com/a/are-neuromorphic-systems-the-future-of-high-performance-computing/