Ako fungujú neuromorfné čipy – a prečo na nich záleží

Problém so spôsobom, akým premýšľajú počítače

Každý konvenčný počítač postavený od 40. rokov 20. storočia sa riadi rovnakým základným návrhom: procesor premýšľa, pamäť ukladá dáta a zbernica prenáša informácie medzi nimi. Toto sa nazýva von Neumannova architektúra a má zásadnú chybu. Keďže umelá inteligencia vyžaduje čoraz väčšie súbory dát a rýchlejšie výpočty, táto úzka dátová zbernica sa stáva ochromujúcim úzkym hrdlom. Procesor trávi viac času čakaním na dáta ako samotným výpočtom.

Ľudský mozog takýmto obmedzeniam nečelí. Jeho 86 miliárd neurónov ukladá aj spracováva informácie na rovnakom mieste, pričom využíva drobné elektrochemické impulzy, ktoré spotrebujú približne 20 wattov – menej ako žiarovka. Moderný tréningový klaster umelej inteligencie, naopak, môže spotrebovať desiatky megawattov. Neuromorfné výpočty sa snažia preklenúť túto priepasť vytváraním čipov, ktoré fungujú skôr ako mozgy než ako kalkulačky.

Čím sa líšia neuromorfné čipy

Neuromorfné procesory nahrádzajú tradičné rozdelenie CPU a pamäte sieťami umelých neurónov a synapsií vyleptaných priamo do kremíka. Tieto obvody komunikujú pomocou spiking neurónových sietí (SNN) – čo je zásadne odlišný prístup od hlbokých neurónových sietí, ktoré poháňajú dnešnú AI.

V konvenčnej neurónovej sieti každý neurón vystrelí počas každého výpočtového cyklu, čím spotrebúva energiu bez ohľadu na to, či sú dáta zmysluplné alebo nie. V SNN umelé neuróny akumulujú náboj v priebehu času a vystrelia až vtedy, keď dosiahnu prahovú hodnotu, presne tak, ako to robia biologické neuróny. Výsledkom je, že väčšina čipu zostáva v danom momente ticho a spracováva iba signály, ktoré sú dôležité.

Tento dizajn riadený udalosťami prináša dramatické zvýšenie efektivity. Podľa IBM môžu byť neuromorfné čipy až 1 000-krát energeticky efektívnejšie ako GPU pre úlohy, ako je spracovanie senzorických dát v reálnom čase a rozpoznávanie vzorov.

Kľúčoví hráči a architektúry

Niekoľko významných iniciatív v oblasti čipov posúva neuromorfný hardvér smerom k praktickému použitiu:

• Intel Loihi 2 — Druhá generácia neuromorfného výskumného čipu od spoločnosti Intel ponúka až 10-násobne vyššiu rýchlosť spracovania ako jeho predchodca. V roku 2024 spoločnosť Intel zostavila Hala Point, najväčší neuromorfný systém na svete, ktorý obsahuje 1 152 procesorov Loihi 2 na simuláciu 1,15 miliardy neurónov.
• IBM NorthPole — NorthPole, navrhnutý skôr pre inferenciu AI ako pre tréning, integruje všetku pamäť na čipe, čím eliminuje oneskorenia pri prenose dát. Spoločnosť IBM uvádza, že je približne 4 000-krát rýchlejší ako jeho skorší čip TrueNorth, pričom zostáva vysoko energeticky efektívny.
• BrainChip Akida — Komerčný neuromorfný procesor zameraný na koncové zariadenia, od bezpečnostných kamier po autonómne drony, kde sú energetické rozpočty obmedzené a latencia musí byť minimálna.

Memristory: Chýbajúci kúsok

Kľúčovým prvkom novej generácie neuromorfného hardvéru je memristor – komponent, ktorý mení svoj elektrický odpor na základe histórie prúdu, ktorý ním pretekal, podobne ako sa synapsa posilňuje alebo oslabuje používaním. Memristory umožňujú čipom vykonávať výpočty a ukladanie súčasne, čím úplne obchádzajú von Neumannovo úzke hrdlo.

Výskumníci z University of Cambridge nedávno vyvinuli memristor založený na modifikovanom oxide hafnitom, ktorý pracuje s prepínacími prúdmi približne miliónkrát nižšími ako konvenčné alternatívy. Zariadenie produkovalo stovky odlišných, stabilných úrovní vodivosti – čo je kritická požiadavka pre analógové výpočty v pamäti – a mohlo by znížiť spotrebu energie hardvéru AI až o 70 percent.

Kam smerujú neuromorfné čipy

Je nepravdepodobné, že neuromorfné procesory v blízkej budúcnosti nahradia GPU pri trénovaní rozsiahlych jazykových modelov. Ich silnou stránkou je inferencia na okraji siete: roboty, ktoré reagujú v reálnom čase, nositeľné zariadenia, ktoré nepretržite monitorujú zdravotné údaje, a autonómne vozidlá, ktoré spracovávajú senzorické dáta s takmer nulovou latenciou. Pretože spiking neurónové siete prirodzene spracovávajú časové dáta, vynikajú v úlohách zahŕňajúcich zvuk, pohyb a dotyk.

Keďže záťaž AI neustále zaťažuje globálne energetické siete, mozgový návrh pre efektívne výpočty vyzerá menej ako kuriozita a viac ako nevyhnutnosť. Čipy, ktoré premýšľajú v impulzoch, môžu nakoniec určiť, či sa umelá inteligencia môže rozširovať bez toho, aby preťažila energetické zdroje planéty.