[ad_1]
Superkomputer, który ma zostać uruchomiony w kwietniu 2024 r., będzie rywalizował z szacowaną szybkością operacji wykonywanych przez ludzki mózg, twierdzą naukowcy z Australii. Maszyna o nazwie DeepSouth jest w stanie wykonać 228 bilionów operacji na sekundę.
Jest to pierwszy na świecie superkomputer zdolny do symulowania sieci neuronów i synaps (kluczowych struktur biologicznych tworzących nasz układ nerwowy) w skali ludzkiego mózgu.
DeepSouth należy do podejścia znanego jako obliczenia neuromorficzne, którego celem jest naśladowanie biologicznych procesów ludzkiego mózgu. Będzie on prowadzony przez Międzynarodowe Centrum Systemów Neuromorficznych na Uniwersytecie Western Sydney.
Nasz mózg jest najbardziej niesamowitą maszyną obliczeniową, jaką znamy. Poprzez dystrybucję jego
mocy obliczeniowej na miliardy małych jednostek (neuronów), które współdziałają ze sobą poprzez biliony połączeń (synaps), mózg może rywalizować z najpotężniejszymi superkomputerami na świecie, wymagając przy tym jedynie takiej samej mocy, jaką zużywa żarówka w lodówce.
Tymczasem superkomputery zazwyczaj zajmują dużo miejsca i potrzebują dużych ilości energii elektrycznej do działania. Najpotężniejszy superkomputer na świecie, czyli Hewlett Packard Enterprise Frontiermoże wykonać nieco ponad kwintylion operacji na sekundę. Zajmuje powierzchnię 680 metrów kwadratowych i wymaga do działania 22,7 megawatów.
Nasze mózgi są w stanie wykonać taką samą liczbę operacji na sekundę przy użyciu zaledwie 20 watów mocy, ważąc przy tym od 1,3 do 1,4 kilograma. Obliczenia neuromorficzne mają między innymi na celu odkrycie tajemnic tej niesamowitej wydajności.
Tranzystory na granicy możliwości
30 czerwca 1945 roku matematyk i fizyk John von Neumann opisał projekt nowej maszyny Elektroniczny dyskretny komputer automatyczny (Edvac). To skutecznie zdefiniowało nowoczesny komputer elektroniczny, jaki znamy.
Mój smartfon, laptop, którego używam do pisania tego artykułu i najpotężniejszy superkomputer na świecie mają tę samą fundamentalną strukturę wprowadzoną przez von Neumanna prawie 80 lat temu. Wszystkie one mają odrębne jednostki przetwarzania i pamięci, gdzie dane i instrukcje są przechowywane w pamięci i obliczane przez procesor.
Przez dziesięciolecia liczba tranzystorów w mikroprocesorze podwajała się mniej więcej co dwa lata, obserwacja znana jako Prawo Moore’a. To pozwoliło nam mieć mniejsze i tańsze komputery.
Jednak rozmiary tranzystorów zbliżają się obecnie do skali atomowej. Przy tak małych rozmiarach nadmierne wytwarzanie ciepła stanowi problem, podobnie jak zjawisko zwane tunelowaniem kwantowym, które zakłóca działanie tranzystorów. Zjawisko to spowalnia i ostatecznie zatrzyma miniaturyzację tranzystorów.
Aby przezwyciężyć ten problem, naukowcy badają nowe podejścia do
zaczynając od potężnego komputera, który wszyscy mamy ukryty w naszych głowach – ludzkiego mózgu. Nasze mózgi nie działają zgodnie z modelem komputera Johna von Neumanna. Nie mają oddzielnych obszarów obliczeniowych i pamięci.
Zamiast tego działają poprzez połączenie miliardów komórek nerwowych, które przekazują informacje w postaci impulsów elektrycznych. Informacje mogą być przekazywane z jednego neuronu do drugiego przez połączenie zwane synapsą. Organizacja neuronów i synaps w mózgu jest elastyczna, skalowalna i wydajna.
Tak więc w mózgu – i w przeciwieństwie do komputera – pamięć i obliczenia są zarządzane przez te same neurony i synapsy. Od końca lat 80. naukowcy badają ten model z zamiarem zaimportowania go do informatyki.
Imitacja życia
Komputery neuromorficzne opierają się na skomplikowanych sieciach prostych, elementarnych procesorów (które działają jak neurony i synapsy w mózgu). Główną zaletą tego rozwiązania jest to, że maszyny te są z natury „równoległe”.
Oznacza to, że, podobnie jak w przypadku neuronów i synaps, praktycznie wszystkie procesory w komputerze mogą potencjalnie działać jednocześnie, komunikując się w tandemie.
Ponadto, ponieważ obliczenia wykonywane przez poszczególne neurony i synapsy są bardzo proste w porównaniu z tradycyjnymi komputerami, zużycie energii jest o rzędy wielkości mniejsze. Chociaż neurony są czasami uważane za jednostki przetwarzające, a synapsy za jednostki pamięci, przyczyniają się one zarówno do przetwarzania, jak i przechowywania danych. Innymi słowy, dane są już zlokalizowane tam, gdzie wymagają tego obliczenia.
Przyspiesza to ogólnie obliczenia mózgu, ponieważ nie ma separacji między pamięcią a procesorem, co w klasycznych maszynach (von Neumanna) powoduje spowolnienie. Pozwala to jednak również uniknąć konieczności wykonywania określonego zadania dostępu do danych z głównego komponentu pamięci, co ma miejsce w konwencjonalnych systemach obliczeniowych i pochłania znaczną ilość energii.
Zasady, które właśnie opisaliśmy, są główną inspiracją dla DeepSouth. Nie jest to jedyny aktywny obecnie system neuromorficzny. Warto wspomnieć o Human Brain Project (HBP), finansowany w ramach Inicjatywa UE. HBP działał w latach 2013-2023 i doprowadził do powstania BrainScaleS, maszyny zlokalizowanej w Heidelbergu w Niemczech, która emuluje sposób działania neuronów i synaps.
BrainScaleS może symulować sposób, w jaki neurony „wyskakują”, czyli sposób, w jaki impuls elektryczny przemieszcza się wzdłuż neuronu w naszym mózgu. To sprawia, że BrainScaleS jest idealnym kandydatem do badania mechaniki procesów poznawczych, a w przyszłości także mechanizmów leżących u podstaw poważnych chorób neurologicznych i neurodegeneracyjnych.
Ponieważ są one zaprojektowane tak, aby naśladować rzeczywiste mózgi, komputery neuromorficzne mogą być początkiem punktu zwrotnego. Oferując zrównoważoną i niedrogą moc obliczeniową oraz umożliwiając naukowcom ocenę modeli systemów neurologicznych, stanowią one idealną platformę dla szeregu zastosowań. Mają one potencjał, by zarówno pogłębić naszą wiedzę na temat mózgu, jak i zaoferować nowe podejście do sztucznej inteligencji.
Ten artykuł został ponownie opublikowany z The Conversation na licencji Creative Commons. Przeczytaj oryginalny artykuł.
Image Credit: marian anbu juwan / Pixabay
[ad_2]