Перейти к основному содержанию
Прямой эфир

Быстрый разумом нейрон: микрочипы наделили свойствами мозга

Процессоры на основе мемристоров смогут одновременно хранить и обрабатывать большой объем данных
0
Фото: ИЗВЕСТИЯ/Алексей Майшев
Озвучить текст
Выделить главное
вкл
выкл

Вычислительные системы, способные обрабатывать и запоминать изображения «глазами человека», созданы в НИЦ «Курчатовский институт». Хранение и обработка данных в них осуществляются при помощи мемристоров — элементов, принцип действия которых аналогичен работе синаптических контактов между нейронами головного мозга. Ученые предполагают, что созданные микросхемы пригодятся в системах распознавания голоса и лиц, которые используются в транспортных и охранных комплексах. Аппараты на основе мемристоров могут обладать мощностью суперкомпьютеров. Разработки в этой области позволят со временем хранить гигантские базы данных на устройстве размером с обычный смартфон и пользоваться ими без интернета.

Эффект памяти

Мемристоры умеют запоминать значение электрического сопротивления, сообщил «Известиям» директор-координатор по направлению природоподобные технологии НИЦ «Курчатовский институт», и.о. начальника лаборатории технологий искусственного интеллекта Курчатовского комплекса НБИКС-природоподобных технологий Вячеслав Демин.

— Их электрическое сопротивление может измениться под воздействием электрического поля или тока выше определенной пороговой величины. Они меняют свое значение, но сохраняют его при отключении поля. То есть как бы запоминают. Поэтому они и называются «мемристоры», от английских слов memory и resistor — резистор с памятью, — пояснил Вячеслав Демин.

Как считают ученые, мемристоры являются аналогами биологических синапсов, которые соединяют нейроны в живых нервных сетях и обладают похожей «пластичностью» — то есть могут изменять свою пропускную способность для нервных импульсов.

Помимо мемристоров в нейроморфных системах (процессорах с «природной» архитектурой, работающих по принципу живых нервных систем) также используются аналоговые и цифровые устройства, моделирующие работу живых нейронов и выполняющие функцию вычислительных элементов. Такие аппаратные аналоги нейронов строятся из традиционных электронных компонентов: диодов, транзисторов, операционных усилителей и так далее. Эти искусственные нейроны соединяются с аналоговыми мемристорами, строя сети, схожие с живыми нервными системами.

— Таким образом, например, нам удалось смоделировать простейший перцептрон. Это модель восприятия информации мозгом, придуманная еще в середине прошлого века первыми нейроматематиками, — рассказал Вячеслав Демин. — По определенному алгоритму она обучается распознавать визуальные образы: от рукописных цифр до лиц и других объектов, таких как автомобили, велосипеды, пешеходы и так далее. Также это могут быть и звуковые образы — объекты речи и другие типы сложных сигналов, обладающих внутренней структурой или, проще говоря, смыслом.

По словам ученых, в дальнейшем на основе аппаратных нейроморфных систем, работающих на мемристорах, будут созданы «умные» микрочипы, преимуществами которых станут энергоэффективность и высокая производительность. Сейчас прототип нейроморфной системы может уместиться на столе, но в перспективе ему хватит и ладони.

Будущее интернета вещей

Устройства на основе мемристоров с мощностью суперкомпьютера смогут вставляться в любые носимые гаджеты, в том числе в рамках концепции «интернета вещей». Их дополнительное преимущество будет заключаться в том, что появится возможность работы офлайн, вне зависимости от доступности интернета, так как все вычислительные операции будут выполняться непосредственно нейроморфной системой.

— Сейчас любой запрос по распознаванию речи, например, отсылается на удаленные серверы компаний, предоставляющих сервис, — отметил Вячеслав Демин. — Там эта информация обрабатывается, сохраняется и возвращается назад в виде результата на ваш телефон или компьютер. Для обработки одного запроса в среднем требуется энергия, которой достаточно, чтобы вскипятить 1 л воды. Нейрочипы же на основе мемристоров позволят всё это обрабатывать непосредственно на вашем устройстве. И тем самым сохранять информацию только на вашем локальном гаджете, попутно существенно экономя энергию и время.

Еще один вектор работ направлен на то, чтобы научить нейроморфные системы на основе мемристоров самообучаться.

— Основной фокус смещается в область разработки импульсных нейроморфных систем, — пояснил начальник отделения ресурсных центров Курчатовского комплекса НБИКС-природоподобных технологий Андрей Емельянов. — Для их обучения мы используем подход STDP, что означает реализацию «пластичности, зависящей от моментов прихода импульсов». Это обучение за счет установления причинно-следственных связей. 

Принцип такого подхода заключен в следующем: есть два нейрона, которые соединены синапсом. Один можно назвать входным нейроном, другой — выходным. Если входной нейрон выдает импульс в качестве причины и, среагировав на него, выходной нейрон выдает импульс как следствие, то синаптическая связь между нейронами усиливается. Если же причинно-следственная связь нарушена, то есть импульсы следуют в обратном порядке, то такая связь будет ослабевать.

В результате те нейроны, в работе которых не прослеживается последовательность «причина–следствие», просто не образуют связей между собой и наоборот. Например, в задаче формирования павловского условного рефлекса у собаки (выделение слюны на звук колокольчика, который сопровождается видом пищи), звук колокольчика (то есть условный сигнал) может активировать входной нейрон, а выделение слюны активируется выходным нейроном. Тогда при совместной многократной подаче еды одновременно со звуком колокольчика вырабатывается и усиливается связь между указанными нейронами. В то же время связь не образуется между причинно не связанными нейронами: например, между нейроном, отвечающим за образ кошки, и нейроном, активирующимся при виде еды.

— Этот принцип работает и в человеческом мозге, в том числе для гораздо более сложных задач, чем формирование простого условного рефлекса, и мы переложили его на наши аппаратные системы, — отметил Андрей Емельянов.

Попытка замены суперкомпьютеров малыми процессорными устройствами — это тренд в мировой науке, уверен заведующий лабораторией нейросетевых технологий и искусственного интеллекта Санкт-Петербургского политехнического университета (вуза — участника проекта «5-100») Лев Уткин.

— Один из путей реализации этой идеи — создание сложных глубоких нейронных сетей в микрочипе. Это направление сегодня принято рядом крупных компаний, включая nVidia, Intel и так далее. Другой путь — это попытка моделирования в большей степени биологических процессов мозговой деятельности, что может привести к еще более весомым результатам. Без сомнения, это направление исследований является перспективным и может стать серьезной альтернативой современных процессоров, реализующих функции нейронных сетей, — уверен Лев Уткин.

С тем, что создание систем искусственного интеллекта на основе мемристорной технологии — перспективное направление исследований, согласен и руководитель НОЦ «Нанотехнологии» ТюмГУ Сергей Удовиченко.

— Помимо ракурсов, связанных с созданием искусственного интеллекта, мемристорные технологии открывают путь к универсальной памяти. Речь идет о так называемых вычислениях в памяти, предполагающих совмещение оперативной, постоянной памяти и процессора в одном устройстве. Это значительно ускорит и удешевит любые вычисления, начиная от настольных компьютеров и заканчивая интернетом вещей, — подчеркнул Сергей Удовиченко.

На создание таких умных чипов, способных к анализу и даже принятию решений, потребуется еще несколько лет.

 

Комментарии
Прямой эфир

Загрузка...