IBM hat ein künstliches Gehirn aus 48 Chips gemacht.

In ihrem Labor in der Nähe von San Jose hat IBM ein elektronisches Nagetierhirn aus 48 TrueNorth-Testchips gebaut, von denen jeder einen grundlegenden Baustein des Gehirns nachahmen kann.

IBM hat ein künstliches Gehirn aus 48 Chips gemacht.

Unter der Leitung des Projektleiters Dharmendra Modha haben wir uns persönlich mit dem gesamten Projekt auseinandergesetzt.mit einer Breite von mehr als 10 mm,Es sieht aus wie aus einem Science-Fiction-Film aus den 70ern, aber Modha sagt: "Sie sehen ein kleines Nagetier".

Er spricht vom Gehirn eines kleinen Nagetiers, oder zumindest dieser Stapel von Chips, der in dieses Gehirn passt. Diese Chips fungieren als Neuronen, die grundlegenden Bausteine des Gehirns.Modha sagt, das System kann 48 Millionen Nervenzellen simulieren.Das entspricht ungefähr der Anzahl der Nervenzellen in einem kleinen Nagetierhirn.

Bei IBM leitete Modha die kognitive Computergruppe, die den "Neurochip" erfunden hat.Unterstützung von Wissenschaftlern und Regierungsforschern im Forschungs- und Entwicklungslabor von IBM im Silicon ValleyNachdem die Forscher ihre eigenen Computer mit dem digitalen Maushirn verbunden hatten, untersuchten sie seine Struktur und begannen, Programme für den TrueNorth-Chip zu schreiben.

Letzten Monat hatten einige Forscher diesen Typen bereits in Colorado gesehen, also hatten sie ihn programmiert, um Fotos und Sprache zu erkennen und einige natürliche Sprache zu verstehen.Der Chip betreibt die "Deep Learning"-Algorithmen, die jetzt die künstlichen Intelligenzdienste des Internets dominieren., bietet Gesichtserkennung für Facebook und Echtzeit-Sprachübersetzung für Microsofts Skype.IBM hat hier einen Vorsprung, weil seine Forschung den Bedarf an Raum und Strom reduzieren könnte.In Zukunft könnten wir diese künstliche Intelligenz in Mobiltelefone und andere kleine Geräte wie Hörgeräte und Uhren einbauen.

"Was bekommen wir aus der synaptischen Struktur? Wir können Bilder mit sehr geringem Stromverbrauch klassifizieren, und wir können ständig neue Probleme in neuen Umgebungen lösen". Brian Van Essen,ein Informatiker am Lawrence Livermore National Laboratory, der für die Anwendung von Deep-Learning-Algorithmen für die nationale Sicherheit verantwortlich ist.

TrueNorth ist die neueste Technologie, die Deep Learning und eine Reihe anderer KI-Dienste in der Zukunft betreiben wird.Facebook und Microsoft benötigen immer noch separate Grafikprozessoren, aber sie bewegen sich alle in Richtung FPgas (Chips, die für bestimmte Aufgaben programmiert werden können).Peter Diehl (PhD in der Cortex Computing Group an der Polytechnischen Universität Zürich) glaubt, dass TrueNorth sowohl Standalone-Grafikchips als auch FPgas wegen seines geringen Stromverbrauchs überlegen ist.

Der Hauptunterschied, so Jason Mars, Professor für Informatik an der Universität Michigan, besteht darin, dass TrueNorth nahtlos mit Deep-Learning-Algorithmen arbeitet.Beide simulieren neuronale Netzwerke in der Tiefe und erzeugen Neuronen und Synapsen im Gehirn."Der Chip kann die Befehle des neuronalen Netzwerks effizient ausführen". Er nahm nicht am Testlauf teil, aber hat den Fortschritt des Chips genau verfolgt.

Trotzdem ist TrueNorth noch nicht vollständig mit Deep Learning-Algorithmen synchronisiert.weil es noch einige Entfernung vom tatsächlichen MarktFür Modha war es auch ein notwendiger Prozess, wie er sagte: "Wir mussten eine solide Grundlage für eine große Transformation schaffen".

Das Gehirn im Telefon.

Peter Diehl reiste kürzlich nach China, aber aus irgendeinem Grund, wissen Sie, funktionierte sein Telefon nicht mit Google, und er brachte plötzlich künstliche Intelligenz in ihre ursprüngliche Form zurück.Weil der größte Teil des Cloud Computing jetzt von den Servern von Google abhängt.Ohne das Netzwerk ist alles nutzlos.

Deep Learning erfordert eine enorme Menge an Rechenleistung, die typischerweise von riesigen Rechenzentren bereitgestellt wird, und unsere Telefone sind normalerweise über das Internet mit ihnen verbunden.auf der anderen Seite, kann zumindest einen Teil seiner Rechenleistung auf Ihr Telefon oder ein anderes Gerät übertragen, was die Häufigkeit der KI-Nutzung erheblich erweitern könnte.

Aber um das zu verstehen, müssen Sie zuerst verstehen, wie Deep Learning funktioniert. Es funktioniert in zwei Stufen.Unternehmen wie Google und Facebook müssen eigene neuronale Netzwerke aufbauen, um spezifische Aufgaben zu bewältigen.Wenn sie automatisch Katzenfotos erkennen wollen, müssen sie dem neuronalen Netzwerk ein paar Katzenfotos zeigen.Ein anderes neuronales Netzwerk muss diese Aufgabe ausführen.Wenn man ein Foto macht, muss das System feststellen, ob Katzen darin sind, und TrueNorth existiert, um den zweiten Schritt effizienter zu machen.

Sobald Sie das neuronale Netzwerk trainiert haben, kann der Chip Ihnen helfen, das riesige Rechenzentrum zu umgehen und direkt zum zweiten Schritt zu gehen.es passt in HandgeräteDies erhöht die Effizienz, da Sie die Ergebnisse nicht mehr aus dem Rechenzentrum über das Netz herunterladen müssen.Es kann den Druck auf Rechenzentren erheblich reduzieren"Dies ist die Zukunft der Industrie, wo Geräte komplexe Aufgaben unabhängig ausführen können".

Neuronen, Axone, Synapsen und Nervenimpulse

Google hat kürzlich versucht, neuronale Netzwerke auf Mobiltelefone zu bringen, aber Diehl glaubt, dass TrueNorth seinen Konkurrenten weit voraus ist, weil es besser mit Deep Learning synchronisiert ist.Jeder Chip kann Millionen von Neuronen simulieren, und diese Neuronen können durch "Synapsen im Gehirn" miteinander kommunizieren.

Dies unterscheidet TrueNorth von ähnlichen Produkten auf dem Markt, auch im Vergleich zu Grafikprozessoren und FPgas haben genügend Vorteile." ähnlich wie elektrische Impulse im GehirnNervenimpulse können eine Veränderung des Tons in der Sprache oder der Farbe eines Bildes zeigen. "Man kann es als kleine Nachrichten zwischen Neuronen betrachten". Rodrigo Alvarez-Icaza,Einer der führenden Designer des Chips..

Obwohl es 5,4 Milliarden Transistoren auf dem Chip gibt, beträgt sein Stromverbrauch nur 70 Milliwatt.aber sein Stromverbrauch erreicht 35 bis 140 WattSelbst ARM-Chips, die häufig in Smartphones verwendet werden, verbrauchen mehrmals mehr Strom als TrueNorth-Chips.

Natürlich, damit der Chip wirklich funktioniert, braucht er neue Software, was genau das ist, was Diehl und andere Entwickler während des Testlaufs versucht haben.Die Entwickler konvertieren vorhandenen Code in eine Sprache, die der Chip erkennt und füttert es in, aber sie arbeiten auch daran, nativen Code für TrueNorth zu schreiben.

Gegenwärtig

Wie andere Entwickler konzentriert sich Modha auf die Diskussion von TrueNorth im Bereich der Biologie, wie z. B. Neuronen, Axone, Synapsen, Nervenimpulse usw.Der Chip ahmt zweifellos das menschliche Nervensystem in gewisser Weise nach."Diese Art von Diskussionen sind oft sehr warnend. Schließlich ist Silizium nicht das, woraus das menschliche Gehirn gemacht ist".Mitbegründer einer Firma namens Skymind.

Als er das Projekt 2008 mit einer Investition von 53,5 Millionen Dollar von DARPA (der Forschungsstelle des Verteidigungsministeriums) startete,Das Ziel war es, einen völlig neuen Chip aus völlig anderen Materialien zu bauen und das menschliche Gehirn zu simulieren.Aber er weiß, dass es nicht schnell geschehen wird, und "wir können die Realität auf dem Weg zur Verwirklichung unserer Träume nicht ignorieren", sagte er.

Im Jahr 2010 war er mit Schweinegrippe bettlägerig, während derer er erkannte, dass der beste Weg, den Engpass zu durchbrechen, darin bestand, mit der Chipstruktur zu beginnen und eine Simulation des Gehirns zu erreichen."Man braucht keine Nervenzellen, um die Grundphysik nachzuahmenWir müssen flexibel genug sein, um mehr und mehr wie das Gehirn zu werden".

Dies ist der TrueNorth-Chip. Es ist kein digitales Gehirn, aber es ist ein wichtiger Schritt auf dem Weg, und mit IBMs Testlauf ist der Plan auf Kurs.Die gesamte Maschine besteht aus 48 verschiedenen Maschinen.Nächste Woche werden Modha und sein Team die Maschine zerlegen, damit die Forscher sie zur weiteren Untersuchung nach Hause nehmen können.Menschen nutzen Technologie, um die Gesellschaft zu verändern, und diese Forscher sind das Rückgrat unserer Bemühungen.