В MIT создан дизайн процессора с принципом работы реальных мозгов

Достижения в области машинного обучения двигаются с бешеной скоростью в последние годы, однако процессоры, на которых работают эти программы, едва ли изменились. Для решения этого недостатка компании начали настраивать существующий дизайн чипов для удовлетворения нужд ИИ. Однако на передовой этого процесса находится совсем иной подход — создать чипы, работающие подобно нашим мозгам.

Данная технология называется "нейроморфные вычисления", и на этой неделе ученые MIT сообщили, что добились значительного прогресса в дизайне нового вида чипов. Их достижение может привести к созданию процессоров, которые будут выполнять задачи машинного обучения с низким энергопотреблением — до 1000 раз ниже. Это позволит внедрять возможности ИИ в портативные девайсы, оснащая их функциями голосового и визуального распознания.

Главное отличие таких процессоров в том, что они обрабатывают данные аналоговым образом, а не типичным цифровым. Другими словами, они посылают данные не в виде серии электрических сигналов "вкл/выкл", а с вариативностью этих сигналов — подобно тому, как работают синапсы в наших мозгах. Это значит, что информацию можно упаковывать в каждый сигнал, во много раз снижая требуемое энергопотребление. Простой пример — код морзе и речь человека. Первый использует точки и тире, что занимает много пространства и времени для передачи одного слова. Зато такой понимать проще. Во втором случае интерпретация сложнее, зато каждый индивидуальный сигнал несет в разы больше данных.

Для создания подходящей среды, передающей подобные электрические сигналы, ученые MIT использовали кристаллические формы кремния и германиума. Вместе они создают пути для сигналов, достигая меньшей вариативности в их мощности. По словам исследователей, на сегодняшний день их девайс самый единообразный из возможных.

Для проверки теории команда создала симуляцию дизайна полноценного чипа с использованием того же уровня вариаций в сигналах. При помощи симулятора они смогли натренировать нейросеть распознавать письменный текст с точностью в 95%. Это ниже, чем существующие результаты на обычных процессорах, но для начала уже очень хороший результат.