Os pesquisadores da IBM
publicaram um pedido de
patente com a estrutura dos chips neuromórficos TrueNorth. Decidimos dar uma olhada neste documento e falar sobre como o processador IBM funciona.
/ Flickr / IBM Research / CCSobre a TrueNorth
TrueNorth é um processador neuromórfico desenvolvido em 2014 pela IBM com o suporte da DARPA. O termo "neuromórfico" significa que a arquitetura do chip é baseada nos princípios do cérebro humano.
Tal dispositivo emula o trabalho de milhões de
neurônios com processos -
dendritos e
axônios . Os primeiros são responsáveis pela percepção da informação, enquanto os últimos são responsáveis pela sua transmissão. Além disso, todos os neurônios estão interconectados por
sinapses - contatos especiais através dos quais os sinais elétricos (impulsos nervosos) são transmitidos.
Segundo os desenvolvedores da IBM, o objetivo do TrueNorth é acelerar o aprendizado de redes neurais. Os processadores neuromórficos, diferentemente dos clássicos, não precisam acessar a memória (ou os registros) todas as vezes e extrair dados de lá - todas as informações já estão armazenadas em neurônios artificiais.
Como é o chip por dentro
O TrueNorth é
fabricado usando uma tecnologia de processo de 28 nanômetros. O processador contém 5,4 bilhões de transistores e 4096 núcleos. Cada núcleo foi equipado com um agendador de tarefas, SRAM e um roteador. Essa estrutura nos permitiu simular o trabalho de um milhão de neurônios e 256 milhões de sinapses.
Em sua
patente , a IBM cita o seguinte esquema:
Os princípios do chip podem ser representados pelo exemplo de redes neurais convolucionais para reconhecimento de imagens. Um processador é uma camada de neurônios. Quando um neurônio identifica dados, por exemplo, o contorno de uma figura, um impulso é gerado. Cada impulso desse tipo, convencionalmente, denota um pixel da imagem.
Além disso, a primeira camada de neurônios transmite dados para a próxima camada (através dos mesmos pulsos). Assim, camada por camada, a rede reconhece a imagem - primeiro os contornos e detalhes, e depois a imagem inteira.
Linguagens convencionais não são adequadas para a programação de núcleos neurossinápticos. Portanto, a IBM
desenvolveu uma linguagem especial Corelet. Possui as propriedades básicas do OOP: encapsulamento, herança e polimorfismo e é baseado no MATLAB. Com ele, os kernels são definidos como classes para facilitar o gerenciamento de seu trabalho. Os desenvolvedores forneceram um código de amostra em sua apresentação (
p. 17 ).
Soluções semelhantes
Os processadores neuromórficos estão trabalhando não apenas na IBM. A Intel desenvolve o chip
Loihi desde 2017. Consiste em 130 mil neurônios artificiais e 130 milhões de sinapses. Este ano, a gigante de TI
concluiu a produção de um protótipo da tecnologia de processo de 14 nm. De acordo com os resultados dos primeiros testes, o chip reconhece dados 3D de um ângulo diferente; em alguns segundos, ele assimila um conjunto de dados para treinamento.
Outro projeto semelhante está sendo desenvolvido pela Brainchip. Seu sistema Akida contém 1,2 milhão de neurônios e 10 bilhões de sinapses. O processador está equipado com interfaces para reconhecimento de imagens, dados de áudio e sinais analógicos. O diagrama do dispositivo do sistema é
apresentado no site do projeto .
Para quais tarefas os neurochips são adequados?
Tecnologias semelhantes são projetadas para acelerar o treinamento de
redes neurais convolucionais , "aprimoradas" para o reconhecimento de imagens. Por exemplo, em 2017, os pesquisadores
testaram o TrueNorth e uma câmera DVS (Dynamic Vision Sensor), cujo princípio se assemelha à operação da retina. A rede neural reconheceu dez gestos com uma precisão de 96,5%.
Além disso, sistemas de defesa cibernética serão criados com base no processador. Pesquisadores da IBM já
propuseram o conceito da solução True Cyber Security, que detecta invasões na rede de computadores em 90% dos casos (em 80% deles, determina o tipo de ataque).
Segundo os desenvolvedores de neuroprocessadores, os sistemas MO baseados nessa tecnologia não precisarão se conectar constantemente à rede para treinamento, pois todos os algoritmos serão implementados localmente. Essa propriedade permitirá que o chip seja usado em smartphones, data centers e dispositivos inteligentes baseados em sistemas de IA.
Os pesquisadores ainda precisam desenvolver soluções que facilitem a programação do chip para executar tarefas específicas. O PM especializado é apenas o primeiro passo para o desenvolvimento de todo o ecossistema. Portanto, não há necessidade de falar sobre a implementação em larga escala da tecnologia nos dispositivos do usuário.
PS Temos um canal Telegram - aqui escrevemos sobre tecnologias de virtualização e IaaS: