Membuka Kunci Rahasia Otak: Lompatan berikutnya dalam AI dengan komputasi neuromorfik

Para peneliti menguraikan strategi yang berani untuk meningkatkan komputasi neuromorfik, yang bertujuan untuk mencocokkan fungsi otak manusia dengan penggunaan energi minimal.

Ini melibatkan pengembangan chip neuromorfik canggih dan mendorong kemitraan industri-akademik yang kuat, berpotensi mengubah AI dan perawatan kesehatan melalui peningkatan efisiensi dan kemampuan.

Meningkatkan komputasi neuromorfik

Komputasi neuromorphic, yang menerapkan prinsip -prinsip neuroscience untuk membuat sistem komputer yang berfungsi seperti otak manusia, harus meningkatkan untuk bersaing dengan metode komputasi tradisional. Ulasan terbaru yang diterbitkan pada 22 Januari di jurnal Alam menguraikan peta jalan untuk mencapai tujuan ini. Makalah ini, yang ditulis oleh 23 peneliti – termasuk dua dari University of California San Diego – memberikan wawasan praktis dalam mengembangkan sistem komputasi yang sesuai dengan kemampuan kognitif otak sambil mempertahankan ukuran dan efisiensi daya yang sama.

“Kami tidak mengantisipasi bahwa akan ada solusi satu ukuran untuk semua untuk sistem neuromorfik pada skala tetapi lebih pada serangkaian solusi perangkat keras neuromorfik dengan karakteristik yang berbeda berdasarkan kebutuhan aplikasi,” tulis penulis.

Aplikasi dan manfaat potensial

Aplikasi untuk komputasi neuromorfik termasuk komputasi ilmiah, kecerdasan buatanaugmented dan realitas virtual, barang yang dapat dikenakan, pertanian pintar, kota pintar, dan banyak lagi. Chip neuromorfik memiliki potensi untuk melebihi komputer tradisional dalam efisiensi energi dan ruang, serta kinerja. Ini dapat menghadirkan keunggulan besar di berbagai domain, termasuk AI, perawatan kesehatan, dan robotika. Karena konsumsi listrik AI diproyeksikan dua kali lipat pada tahun 2026, komputasi neuromorfik muncul sebagai solusi yang menjanjikan.

“Komputasi neuromorfik sangat relevan saat ini, ketika kami menyaksikan penskalaan sistem AI yang tidak dapat dibatalkan dan sumber daya,” kata Gert Cauwenberghs, seorang profesor terkemuka di departemen bioengineering UC San Diego Shu Chien-Gene dan salah satu penulis bersama kertas.

Membangun arsitektur baru

Komputasi neuromorphic berada pada saat yang sangat penting, kata Dhireesha Kudithipudi, ketua yang diberkahi Robert F. McDermott di University of Texas San Antonio dan penulis yang sesuai dari surat kabar itu. “Kami sekarang berada pada titik di mana ada peluang luar biasa untuk membangun arsitektur baru dan kerangka kerja terbuka yang dapat digunakan dalam aplikasi komersial,” katanya. “Saya sangat percaya bahwa mendorong kolaborasi yang ketat antara industri dan akademisi adalah kunci untuk membentuk masa depan bidang ini. Kolaborasi ini tercermin dalam tim rekan penulis kami. ”

Tahun lalu, Cauwenberghs dan Kudithipudi mendapatkan hibah $ 4 juta dari National Science Foundation untuk meluncurkan Thor: The Neuromorphic Commons, jaringan penelitian pertama-dari yang menyediakan akses ke perangkat keras komputasi neuromorfik terbuka dan alat dalam mendukung penelitian interdisipliner dan kolaboratif.

Perkembangan chip neurram

Pada tahun 2022, chip neuromorfik yang dirancang oleh tim yang dipimpin oleh Cauwenberghs menunjukkan bahwa chip ini bisa sangat dinamis dan serbaguna, tanpa kompromi ketepatan dan efisiensi. Chip Neurram menjalankan perhitungan secara langsung dalam memori dan dapat menjalankan berbagai aplikasi AI-semuanya di sebagian kecil dari energi yang dikonsumsi oleh platform komputasi untuk komputasi AI tujuan umum. “Artikel Review Nature kami menawarkan perspektif tentang ekstensi lebih lanjut dari sistem AI neuromorfik dalam silikon dan teknologi chip yang muncul untuk mendekati skala besar dan efisiensi ekstrem kapasitas belajar mandiri di otak mamalia,” kata Cauwenberghs.

Untuk mencapai skala dalam komputasi neuromorfik, penulis mengusulkan beberapa fitur utama yang harus dioptimalkan, termasuk sparsity, fitur yang menentukan otak manusia. Otak berkembang dengan membentuk banyak koneksi saraf (kepadatan) sebelum secara selektif memangkas sebagian besar dari mereka. Strategi ini mengoptimalkan efisiensi spasial sambil mempertahankan informasi pada kesetiaan tinggi. Jika berhasil ditiru, fitur ini dapat memungkinkan sistem neuromorfik yang secara signifikan lebih hemat energi dan kompak.

Arah di masa depan dan potensi kolaboratif

“Skalabilitas yang dapat diperluas dan efisiensi superior berasal dari paralelisme besar-besaran dan struktur hierarkis dalam representasi saraf, menggabungkan konektivitas sinaptik lokal yang padat dalam inti neurosinaptik yang dimodelkan setelah materi abu-abu otak dengan konektivitas global yang jarang di seluruh core yang memodelkan white-white, memfasilitasi kidon yang lebih tinggi melalui cora-coron yang terkurung di atas kandung yang dapat dikonfigurasi dengan onwidon yang on-rouron yang dapat dikembalikan dengan onwidon yang tinggi, onwidon yang on-ron-bandon yang dapat dikonfigurasi dengan on-ro-ron-bandon. keripik, ”kata Cauwenberghs.

“Publikasi ini menunjukkan potensi luar biasa terhadap penggunaan komputasi neuromorfik pada skala untuk aplikasi kehidupan nyata. Di Pusat Superkomputer San Diego, kami membawa arsitektur komputasi baru ke komunitas pengguna nasional, dan pekerjaan kolaboratif ini membuka jalan untuk membawa sumber daya neuromorfik untuk komunitas pengguna nasional, ”kata Amitava Majumdar, direktur divisi dari Komputasi Ilmiah yang diaktifkan di SDSC di sini di kampus UC San Di Dieego, dan UC San Di Dieego, dan Komputasi Data.

Meningkatkan aksesibilitas dan kolaborasi

Para penulis juga menekankan perlunya kolaborasi yang lebih kuat di dalam akademisi dan antara akademisi dan industri. Mereka mengadvokasi pengembangan bahasa pemrograman yang lebih ramah pengguna untuk membuat bidang ini lebih mudah diakses. Mereka percaya upaya ini akan mendorong kerja sama interdisipliner dan industri yang lebih besar.

Reference: “Neuromorphic computing at scale” by Dhireesha Kudithipudi, Catherine Schuman, Craig M. Vineyard, Tej Pandit, Cory Merkel, Rajkumar Kubendran, James B. Aimone, Garrick Orchard, Christian Mayr, Ryad Benosman, Joe Hays, Cliff Young, Chiara Bartolozzi, Amitava Majumdar, Suma George Cardwell, Melika Payvand, Sonia Buckley, Shruti Kulkarni, Hector A. Gonzalez, Gert Cauwenberghs, Chetan Singh Thakur, Anand Subramoney dan Steve Furber, 22 Januari 2025, Alam.
Doi: 10.1038/s41586-024-08253-8