Intel Labs の Mike Davies: 「基本的なコンピューティングが提供できる限界に達しつつあります」 | テクノロジー

データトラフィックの継続的な増加 (調査によると、昨年は 2022 年と比較して 22% 増加) DE-CIX）と人工知能の新たな計算需要により、従来のシステムは限界に達します。 新しい公式が必要ですが、量子コンピューティングはまだ代替手段ではありません。 エレクトロニクス企業インテルは、人間の情報処理方法を模倣しようとする生物学とテクノロジーを組み合わせたニューロモーフィック システムの開発において最も進んでいる企業の 1 つです。 彼女とともに、より効果的かつ効率的な処理を求める競争に挑戦します。 IBM、 クアルコム および次のような研究センター カリフォルニア工科大学 (Caltech)このコンセプトはカーバー・ミードによって生まれました。 MIT (マサチューセッツ工科大学)彼 マックス プランク神経生物学研究所 ドイツと スタンフォード大学。

インテルは今月、世界最大のニューロモーフィック システムを発表しました。 ハラポイント11 億 5,000 万個のテクノロジー ニューロンと 1,152 個のプロセッサを搭載 (チップ）最大2,600ワットを消費し、フクロウの脳と同等の処理能力を持つロイヒ2。 で発表された研究 IEEE エクスプロア これは、従来のコンピューティング エンジンである中央処理装置 (CPU) やグラフィックス ユニット (GPU) に基づくシステムよりも効率とパフォーマンスが優れていることに起因します。

ダラス生まれで 7 月に 48 歳になるマイク・デイビス氏は、インテル研究所のニューロモーフィック・コンピューティング部門のディレクターであり、コンピューティングの直近の将来を左右する最新の進歩に最も責任を負っています。

聞く。 ニューロモーフィック システムとは何ですか?

答え。 これは、脳の仕組みに関する現代の理解に触発されたコンピューティング設計であり、70 年から 80 年にわたる従来のアーキテクチャを超えることを意味します。 基本的な観点から、私たちは現代の神経科学の原理を理解し、それを応用することに努めています。 チップ 脳の働きに近い方法で情報を操作および処理するものを作成するためのシステムです。

P. どのように機能するのでしょうか?

R. システム、つまりチップを開けると、メモリがないという意味で非常に顕著な違いがわかります。 すべてのコンピューティング、処理、およびメモリ要素は相互に統合されています。 たとえば、当社の Hala Point システムは、脳に似たチップの 3 次元ネットワークであり、1 つのニューロンが脳を介して接続された別のニューロンのセットと通信するのと同じように、あらゆるものがあらゆるものと通信します。 従来のシステムでは、プロセッサの隣にメモリがあり、プロセッサはメモリから継続的に読み取りを行います。

Hala Point は脳に似たチップの 3 次元ネットワークであり、ニューロンが脳を介して接続された別のニューロンのセットと通信するように、あらゆるものがあらゆるものと通信します。

P. 従来のコンピューティングの限界に達しつつあるため、このモデルは必要なのでしょうか?

R. 人工知能と深層学習では大きな進歩が見られます。 これは非常に興味深いことですが、これらの AI モデルのコンピューティング要件の増加が指数関数的な速度、つまり製造の進歩よりもはるかに速い速度で増加している場合、これらの研究トレンドがどのように続くのかを理解するのは困難です。 この基本的なコンピューティング アーキテクチャが提供できるものの限界に達しつつあります。 また、これらの従来の AI チップやシステムの電力効率だけを脳と比較してみると、何桁もの違いがあります。 従来のコンピュータ アーキテクチャがコンピューティングや人工知能において大きな進歩をもたらすことができないということではなく、むしろ、脳のように動作し、非常に効率的な方法で動作するコンピュータを使用することで、より優れた機能を求めているのです。

P. エネルギー効率が主な利点ですか?

R. それは主要なものの 1 つです。 脳の効率と従来のコンピューティングの効率には大きな違いがあります。 しかし、脳にインスピレーションを得たニューロモーフィック アーキテクチャは、パフォーマンス上の利点ももたらす可能性があります。 私たちは GPU を信じられないほど高性能なデバイスだと考えていますが、実際は、非常に大きなサイズと、処理する大量のデータがディスク上、または読み取り対象のプロセッサーのすぐ隣にある場合に限られます。 しかし、データがセンサー、カメラ、またはビデオからリアルタイムで取得される場合、従来のアーキテクチャの効率と能力ははるかに低くなります。 ここで、ニューロモーフィック アーキテクチャが実際に速度と効率の大幅な向上を実現できるのです。

P. 人工知能の成長にはニューロモーフィック システムが必要ですか?

R. 私たちはそう思います。 しかし、私たちは研究レベルにいます。 これを商業的にどのように実装するかは現時点では不明です。 に関してはまだ解決すべき問題が多くあります ソフトウェア [programación]、アルゴリズム。 従来のアプローチの多くはネイティブでは実行できません。 ハードウェア [equipos] それは異なるプログラミングアプローチであるため、ニューロモーフィックです。 私たちは、これがこの種のワークロードの電力効率とパフォーマンスで必要な利益を達成するための正しい道であると信じていますが、未解決の問題のままです。

P。 コンピューターや携帯電話にニューロモーフィック チップが搭載されることになるでしょうか?

R。 そう思います、時間の問題です。 それは来年ではありませんが、テクノロジーは成熟し、実用化されるでしょう。 エッジコンピューティング [procesamiento de datos cerca de su origen para ganar velocidad y eficiencia]、携帯電話、自動運転車、ドローン、またはラップトップ上で。 データセンター用に設計された当社の Hala Point は、大型電子レンジほどの大きさの箱です。 しかし、自然を見てみると、さまざまなサイズの脳が存在していることがわかります。 昆虫の作品は、たとえ小さいスケールであっても、非常に印象的です。 そしてもちろん、人間の脳もあります。 私たちは両方の方向で捜査を進めています。 商業化は2018年に始まると考えています。 エッジコンピューティングしかし、大規模な研究を推進し続ける必要がある。

データセンターでは、5 年以内にこれらのシステムが実現される可能性があります

P. 彼らはいつになりますか？

R. 研究にはまだ未解決の疑問が残っているため、予測するのは困難です。 データセンターでは、5 年以内にこれらのシステムが登場する可能性があります。 また、ニューロモーフィック システムが提供できるエネルギー節約は非常に重要であるため、バッテリー電源で動作する必要があるものには将来性があると考えています。 電話インフラ用の無線基地局など、あまり目立たない用途もあります。 当社はエリクソンと協力してコミュニケーション チャネルを最適化しています。

P. ニューロモーフィック システムを使用したコンピューティングは量子コンピューティングを補完するものですか?

R. それらは大きく異なりますが、ある意味では補完的であると思います。 量子コンピューティングは、物理デバイスの製造における革新を模索し、その規模を拡大しようとしています。 それが提供するものは非常に斬新で印象的ですが、スケーリング可能になった後に量子のプログラミング モデルがどのようなものになるのか、またどのような種類の負荷をサポートするのかは明らかではありません。 現在利用可能なニューロモーフィック コンピューティングは、AI タイプのワークロードに非常に適しています。 しかし、量子とニューロモーフィックのアプリケーション空間には交差点があり、そこが難しい最適化問題を解決し、人々が実験、プロトタイプを作成し、この種のシステムのプログラミングを学習できるようにすることを考えるのは興味深いところです。

脳にニューロモーフィック チップを埋め込むことは、これらのシステムの非常に自然な応用です。なぜなら、ニューロンのように動作するアーキテクチャであるため、自然に私たちの脳の言語を話すことになるからです。

P. 私たちの脳にニューロモーフィックシステムがインストールされているのを見ることができるでしょうか?

R. ニューロモーフィック・コンピューティングの応用において、神経人工装具に興味を持っている研究者もいます。これは、機能の一部が失われた脳の問題や病状を修復し、身体の制御を取り戻すことを意味します。 この研究は初期段階にありますが、長期的には、ニューロンのように動作するアーキテクチャであるため、ニューロモーフィック コンピューティングの非常に自然な応用になると思います。自然に私たちの脳の言語を話すことになるからです。

P. 利用可能なシステムはどの脳に相当しますか?

R. ニューロンの数という点ではフクロウの脳に似ています。 しかし、高次の知能の多くが発生する脳の領域に注目すると、それはオマキザルに相当します。 この研究分野に携わる私たちの多くは、構築したいシステムの規模についての一種のビジョンとして人間の脳を念頭に置いています。 しかし、私たちはそこに早く到達しようとはしません。 私たちはそれをうまく構築し、それを役立つようにする方法を知る必要があります。 だからこそ、このシステムは研究のためのツールであり、実験を続けることができます。

P. これらのシステムは具体的にどのような場合に最も効果的ですか?

R. マップ上で最適なパスを見つける際に、従来の最高のソルバーと比較して最大 50 倍の速度向上が見られます。 エネルギーに関しては、1,000 倍効率的なレベルに達しつつあります。

P. 欧州はこの新たなラインを利用して、他大陸に依存しているチップ獲得競争での地位を取り戻すことができるだろうか？

R. 将来に目を向けると、自然の規模と効率を達成するには、長期的には多くの革新が必要であり、これは依然として信じられないほど印象的です。 道のりはまだ長く、そこに到達するには製造におけるイノベーションが必要です。 それらを脳に同化させるには、新しいデバイスと新しい記憶技術が必要です。 現在、この領域で有利な地理的地域は存在しないため、これはチャンスです。 ハイテクノロジーは常に革新を意味し、静的なものは何もありません。 新たな進歩が必要ですが、それがどこから来るのかは予測できません。

フォローできます EL PAÍS テクノロジー で フェイスブック y バツ または、ここからサインアップして私たちのメッセージを受け取りましょう ニュースレターセマナル。

_