Los investigadores de IBM han
publicado una solicitud de
patente con la estructura de chips neuromórficos TrueNorth. Decidimos echar un vistazo a este documento y hablar sobre cómo funciona el procesador IBM.
/ Flickr / IBM Research / CCSobre TrueNorth
TrueNorth es un procesador neuromórfico desarrollado en 2014 por IBM con el soporte de DARPA. El término "neuromórfico" significa que la arquitectura del chip se basa en los principios del cerebro humano.
Tal dispositivo emula el trabajo de millones de
neuronas con procesos:
dendritas y
axones . Los primeros son responsables de la percepción de la información, mientras que los segundos son responsables de su transmisión. Además, todas las neuronas están interconectadas por
sinapsis , contactos especiales a través de los cuales se transmiten señales eléctricas (impulsos nerviosos).
Según los desarrolladores de IBM, el objetivo de TrueNorth es acelerar el aprendizaje de las redes neuronales. Los procesadores neuromórficos, a diferencia de los clásicos, no necesitan acceder a la memoria (o registros) cada vez y extraer datos de allí; toda la información ya está almacenada en neuronas artificiales.
¿Cómo se ve el chip por dentro?
TrueNorth se
fabrica utilizando una tecnología de proceso de 28 nanómetros. El procesador contiene 5.400 millones de transistores y 4096 núcleos. Cada núcleo estaba equipado con un planificador de tareas, SRAM y un enrutador. Esta estructura nos permitió simular el trabajo de un millón de neuronas y 256 millones de sinapsis.
En su
patente , IBM cita el siguiente esquema:
Los principios del chip se pueden representar con el ejemplo de redes neuronales convolucionales para el reconocimiento de imágenes. Un procesador es una capa de neuronas. Cuando una neurona identifica datos, por ejemplo, el contorno de una figura, se genera un impulso. Cada impulso de este tipo, convencionalmente, denota un píxel de la imagen.
Además, la primera capa de neuronas transmite datos a la siguiente capa (a través de los mismos pulsos). Entonces, capa por capa, la red reconoce la imagen: primero los contornos y los detalles, y luego la imagen completa.
Los lenguajes convencionales no son adecuados para programar núcleos neurosinápticos. Por lo tanto, IBM
desarrolló un lenguaje especial Corelet. Tiene las propiedades básicas de OOP: encapsulación, herencia y polimorfismo y se basa en MATLAB. Con él, los núcleos se definen como clases para facilitar la administración de su trabajo. Los desarrolladores dieron un código de muestra en su presentación (
p. 17 ).
Soluciones similares
Los procesadores neuromórficos no solo funcionan en IBM. Intel ha estado desarrollando el chip
Loihi desde 2017. Se compone de 130 mil neuronas artificiales y 130 millones de sinapsis. Este año, el gigante de TI
completó la producción de un prototipo de la tecnología de proceso de 14 nm. Según los resultados de las primeras pruebas, el chip reconoce los datos 3D desde un ángulo diferente, en un par de segundos asimila un conjunto de datos para el entrenamiento.
Brainchip está desarrollando otro proyecto similar. Su sistema Akida contiene 1,2 millones de neuronas y 10 mil millones de sinapsis. El procesador está equipado con interfaces para reconocer imágenes, datos de audio y señales analógicas. El diagrama del dispositivo del sistema se
presenta en el sitio web del proyecto .
¿Para qué tareas son adecuados los neurochips?
Tecnologías similares están diseñadas para acelerar el entrenamiento de
redes neuronales convolucionales , "afiladas" para el reconocimiento de imágenes. Por ejemplo, en 2017, los investigadores
probaron TrueNorth y una cámara DVS (Sensor de visión dinámica), cuyo principio se asemeja al funcionamiento de la retina. La red neuronal reconoció diez gestos con una precisión del 96,5%.
Además, los sistemas de defensa cibernética se crearán sobre la base del procesador. Los investigadores de IBM ya han
propuesto el concepto de la solución True Cyber Security, que detecta intrusiones en la red informática en el 90% de los casos (en el 80% de ellos determina el tipo de ataque).
Tal como lo concibieron los desarrolladores de neuroprocesadores, los sistemas MO basados en esta tecnología no tendrán que conectarse constantemente a la red para capacitación, ya que todos los algoritmos se implementarán localmente. Esta propiedad permitirá que el chip se use en teléfonos inteligentes, centros de datos y dispositivos inteligentes basados en sistemas de inteligencia artificial.
Los investigadores aún tienen que desarrollar soluciones que faciliten la programación del chip para realizar tareas específicas. El PM especializado es solo el primer paso para el desarrollo de todo el ecosistema. Por lo tanto, no hay necesidad de hablar sobre la implementación a gran escala de tecnología en dispositivos de usuario.
PD: Tenemos un canal de Telegram , allí escribimos sobre tecnologías de virtualización e IaaS: