211service.com
IBM sta pianificando la commercializzazione del suo chip ispirato al cervello
Nell'agosto dello scorso anno, IBM ha presentato un chip progettato per far funzionare qualcosa come i neuroni e le sinapsi del cervello (vedi IBM Chip Process Data Similar to the Way Your Brain Does ). Ora l'azienda ha iniziato a lavorare su una nuova generazione volta a migliorare i dispositivi mobili in attività facili per il cervello ma difficili per i computer, come il riconoscimento vocale e l'interpretazione delle immagini.
IBM ha progettato questo chip per prendere in prestito principi visti all'opera nel cervello e ora sta lavorando a una versione che potrebbe rendere i dispositivi mobili più intelligenti.
Stiamo lavorando a una prossima generazione di chip, ma la cosa più importante ora sono i partner commerciali, afferma John Kelly, vicepresidente senior di IBM che supervisiona IBM Research e diverse unità aziendali, comprese due dedicate alla suite di macchine Watson dell'azienda software di intelligenza. Le aziende potrebbero incorporarlo in tutti i tipi di dispositivi mobili, macchinari, automobili, ecc.
L'aggiunta di chip ispirati al cervello a prodotti come i telefoni potrebbe renderli in grado di riconoscere tutto ciò che dicono i loro proprietari e tenere traccia di ciò che sta accadendo intorno a loro, afferma Kelly. Il più vicino a cui i dispositivi di oggi si avvicinano è ascoltare determinate parole chiave. L'ultimo iPhone di Apple può essere svegliato dicendo Hey Siri e alcuni telefoni che utilizzano il software di Google possono essere svegliati con la frase OK Google.
L'architettura del chip TrueNorth di IBM, come viene chiamata, è stata sviluppata attraverso un programma finanziato dalla DARPA inteso a consentire ai computer mobili di eseguire software avanzati di intelligenza artificiale come il riconoscimento di immagini o vocali senza dover attingere all'infrastruttura di cloud computing e utilizzando molto poco potere (vedi Thinking In Silicon).
Kelly afferma che IBM è in discussione con i principali produttori di sistemi informatici su come i progetti TrueNorth potrebbero aiutarli, ma rifiuta di nominarne nessuno. Stiamo parlando con chi è chi nello spazio mobile e nello spazio IoT [Internet delle cose], dice. Un chip TrueNorth verrebbe aggiunto ai design dei dispositivi come coprocessore che funziona insieme al processore convenzionale e non si spegne mai, afferma Kelly.
Il chip TrueNorth presentato lo scorso agosto ha all'incirca le dimensioni di un francobollo e ha un milione di neuroni di silicio con 256 milioni di connessioni tra loro analoghe alle sinapsi che collegano i neuroni reali. Il chip consuma oltre 1.000 volte meno energia rispetto a un processore convenzionale di dimensioni simili. IBM ha dimostrato come la sua rete di neuroni può essere programmata per eseguire attività come il riconoscimento di diversi veicoli nelle riprese video in tempo reale.
Tuttavia, poiché l'architettura del chip TrueNorth è molto diversa da quella dei computer esistenti, richiede nuovi approcci alla scrittura del software. E i suoi falsi neuroni funzionano in modo diverso rispetto alle reti neurali artificiali basate su software che aziende come Google, Facebook e Microsoft hanno utilizzato di recente per fare scoperte nell'elaborazione del parlato e delle immagini utilizzando un metodo noto come deep learning (vedi 10 Breakthrough Technologies 2013: Deep Apprendimento ).
I neuroni nell'architettura TrueNorth di IBM codificano i dati utilizzando picchi elettrici on-off, tentando di imitare i segnali di picco dei neuroni biologici. I neuroni simulati utilizzati nell'apprendimento profondo non utilizzano picchi.
Le reti neurali artificiali che utilizzano neuroni spiking, inclusi gli IBM, non hanno dimostrato di corrispondere alle prestazioni ottenute utilizzando il deep learning in attività come il riconoscimento vocale o l'elaborazione delle immagini. Yann LeCun, che guida il laboratorio di ricerca sull'intelligenza artificiale di Facebook e ha contribuito a fare da pioniere nel deep learning, lo ha fatto espresso scetticismo che sarà pratico da fare.
Dharmendra Modha, che guida lo sviluppo dei chip ispirati al cervello di IBM, ribatte che lo spiking è fondamentale se le reti neurali devono essere eseguite in un chip con un'elevata efficienza energetica. Il suo team ha iniziato a creare strumenti che consentiranno di trasferire reti neurali di deep learning addestrate su un chip TrueNorth, afferma.
Questo chip è stato concepito come un substrato su cui è possibile mappare un'ampia varietà di reti neurali per applicazioni in tempo reale, a bassissima energia e a bassissimo volume, afferma.
Terrence Sejnowski , leader del laboratorio di neurobiologia computazionale presso il Salk Institute for Biological Studies, concorda sul fatto che aumentare i neuroni è importante se i computer compatti vogliono diventare in grado di fare cose intelligenti senza consumare energia o sfruttare il cloud. Sono apparsi in natura per una ragione, dice.
Nuova ricerca di un altro pioniere del deep learning, Yoshua Bengio dell'Università di Montreal, suggerisce che l'accuratezza della tecnica potrebbe essere più facile da trasferire ai neuroni hardware spiking di quanto si pensasse in precedenza, afferma Sejnowski. Bengio, che collabora con IBM sul software linguistico, ha pubblicato a documento preliminare online la scorsa settimana, dimostrando che la modifica dei neuroni simulati utilizzati nell'apprendimento profondo in un modo che li rende più simili a neuroni a spillo non ha danneggiato l'accuratezza dell'elaborazione delle immagini.
Anche se l'architettura del chip cerebrale di IBM sarà riconciliata con le tecniche di deep learning, avrà concorrenza. Google sta già lavorando su come ridurre le reti neurali artificiali da eseguire sui dispositivi mobili esistenti (vedi Google App mette le reti neurali sul tuo telefono). Diverse aziende, tra cui Qualcomm, il principale progettista di processori mobili, stanno lavorando a progetti di chip in grado di eseguire il software di deep learning esistente su computer mobili come telefoni o automobili (vedi chip di silicio che renderanno brillante il tuo smartphone).