211service.com
IBM Chip verarbeitet Daten ähnlich wie Ihr Gehirn
Ein neuartiger Computerchip, der heute von IBM vorgestellt wird, orientiert sich beim Design an der zerknitterten äußeren Schicht des menschlichen Gehirns. Obwohl er bei hohen Zahlen nicht mit einem herkömmlichen Mikroprozessor mithalten kann, verbraucht der Chip deutlich weniger Strom und ist weitaus besser für die Verarbeitung von Bildern, Ton und anderen sensorischen Daten geeignet.
Neues Denken: IBM hat einen Prozessor entwickelt, der auf Prinzipien basiert, die in Ihrem Gehirn wirken.
Der SyNapse-Chip von IBM verarbeitet Informationen mithilfe eines Netzwerks aus etwas mehr als einer Million Neuronen, die über elektrische Spitzen miteinander kommunizieren – wie es echte Neuronen tun. Der Chip verwendet die gleichen Grundkomponenten wie die heutigen kommerziellen Chips – Siliziumtransistoren. Aber seine Transistoren sind so konfiguriert, dass sie das Verhalten beider Neuronen und der Verbindungen – Synapsen – zwischen ihnen nachahmen.
Der SyNapse-Chip bricht mit einem Design, das als Von-Neumann-Architektur bekannt ist und seit Jahrzehnten Computerchips zugrunde liegt. Obwohl Forscher seit den späten 1980er Jahren mit Gehirnen nachempfundenen Chips experimentiert haben – bekannt als neuromorphe Chips –, waren bis jetzt alle um ein Vielfaches weniger komplex und nicht leistungsfähig genug, um praktikabel zu sein (siehe Thinking in Silicon ). Details des Chips wurden heute in der Zeitschrift veröffentlicht Wissenschaft .
Der neue Chip ist noch kein Produkt, aber er ist leistungsfähig genug, um an realen Problemen zu arbeiten. In einer Demonstration im Almaden-Forschungszentrum von IBM MIT Technology Review sah man in einem Video einer Straßenkreuzung Autos, Menschen und Fahrräder erkennen. Ein in der Nähe befindlicher Laptop, der für dieselbe Aufgabe programmiert worden war, verarbeitete das Filmmaterial 100-mal langsamer als in Echtzeit und verbrauchte 100.000-mal so viel Strom wie der IBM-Chip. IBM-Forscher experimentieren jetzt damit, mehrere SyNapse-Chips miteinander zu verbinden, und sie hoffen, einen Supercomputer mit Tausenden zu bauen.
Wenn Daten in einen SyNapse-Chip eingespeist werden, verursacht dies einen Strom von Spitzen, und seine Neuronen reagieren mit einem Sturm weiterer Spitzen. Die etwas mehr als eine Million Neuronen auf dem Chip sind in 4.096 identischen Blöcken von 250 organisiert, eine Anordnung, die von der Struktur des Gehirns von Säugetieren inspiriert ist, die aus sich wiederholenden Schaltkreisen von 100 bis 250 Neuronen aufgebaut zu sein scheinen, heißt es Dharmendra Modha , Chefwissenschaftler für Brain-Inspired Computing bei IBM. Bei der Programmierung des Chips muss ausgewählt werden, welche Neuronen miteinander verbunden sind und wie stark sie sich gegenseitig beeinflussen. Um zum Beispiel Autos in Videos zu erkennen, würde ein Programmierer die notwendigen Einstellungen auf einer simulierten Version des Chips erarbeiten, die dann auf das reale Ding übertragen würde.
In den letzten Jahren sind große Durchbrüche in der Bildanalyse und Spracherkennung durch die Verwendung großer, simulierter neuronaler Netze zur Bearbeitung von Daten erzielt worden (siehe Deep Learning ). Aber diese Netzwerke erfordern riesige Cluster herkömmlicher Computer. Beispielsweise benötigte Googles berühmtes neuronales Netzwerk, das Katzen- und Menschengesichter erkennen kann, 1.000 Computer mit jeweils 16 Prozessoren (siehe Autodidaktische Software).
Obwohl der neue SyNapse-Chip mehr Transistoren hat als die meisten Desktop-Prozessoren oder jeder Chip, den IBM jemals hergestellt hat, verbraucht er mit über fünf Milliarden auffallend wenig Strom. Beim Ausführen der Verkehrsvideoerkennungsdemo verbrauchte sie nur 63 Milliwatt Strom. Serverchips mit einer ähnlichen Anzahl von Transistoren verbrauchen mehrere zehn Watt Leistung – etwa 10.000 Mal mehr.
Die Effizienz herkömmlicher Computer ist begrenzt, da sie Daten und Programmanweisungen in einem Speicherblock speichern, der von dem Prozessor getrennt ist, der die Anweisungen ausführt. Während der Prozessor seine Anweisungen in einer linearen Abfolge abarbeitet, muss er ständig Informationen aus dem Speicher hin und her transportieren – ein Engpass, der die Dinge verlangsamt und Energie verschwendet.
Der neue Chip von IBM hat keine separaten Speicher- und Verarbeitungsblöcke, weil seine Neuronen und Synapsen die beiden Funktionen miteinander verflechten. Und es funktioniert nicht mit Daten in einer linearen Abfolge von Operationen; Einzelne Neuronen feuern einfach, wenn die Spitzen, die sie von anderen Neuronen erhalten, sie dazu veranlassen.
Horst Simon , der stellvertretende Direktor des Lawrence Berkeley National Lab und Experte für Supercomputing, sagt, dass sich die Industrie bisher darauf konzentriert habe, am Von-Neumann-Ansatz herumzubasteln, anstatt ihn zu ersetzen, beispielsweise durch die parallele Verwendung mehrerer Prozessoren oder die Verwendung von Grafikprozessoren zur Beschleunigung bestimmte Arten von Berechnungen. Der neue Chip könnte eine historische Entwicklung sein, sagt er. Der sehr geringe Stromverbrauch und die Skalierbarkeit dieser Architektur sind wirklich einzigartig.
Ein Nachteil ist, dass der Chip von IBM einen völlig neuen Programmieransatz erfordert. Obwohl das Unternehmen letztes Jahr eine Reihe von Tools angekündigt hat, die auf das Schreiben von Code für seinen kommenden Chip ausgerichtet sind (siehe IBM Scientists Show Blueprints for Brainlike Computing ), finden selbst die besten Programmierer das Erlernen der Arbeit mit dem Chip schmerzhaft, sagt Modha: Es ist fast immer frustrierend Erfahrung. Sein Team arbeitet daran, eine Bibliothek mit vorgefertigten Codeblöcken zu erstellen, um den Prozess zu vereinfachen.
Von der Industrie zu verlangen, eine völlig neue Art von Chips und Codierungsmethoden einzuführen, mag verwegen erscheinen. Aber IBM könnte ein empfängliches Publikum finden, weil klar wird, dass aktuelle Computer nicht viel mehr an Leistungssteigerungen liefern können. Dieser Chip kommt zur richtigen Zeit, sagt Simon.