TrueNorth计算机芯片模拟人类认知

想象一下在办公室工作,一旦完成一项任务,您就必须等到所有其他隔间中的每个人都完成了他们正在处理的任务,然后才能继续下一个任务。

这就是大多数依赖同步电路的数字设备的工作方式。内置时钟允许完成每个计算功能所需的时间相同。它是基于1和0的二进制系统,因此很可靠,但这也意味着该系统只能像链中最慢的功能一样快地运行。

约翰·拉吉特·马诺哈尔(John Rajit Manohar)表示:“在定时实施中,所有内容都必须符合时间预算,因此,除非您使所有内容变得更快,否则芯片不会运行得更快-并且“所有内容”都包含了您并非总是需要的内容。 C. Malone电机工程与计算机科学教授。

甚至在Siri和Google Home成为我们的家庭伴侣之前,我们就有人机化计算机的趋势。人们长期以来都以“思维”来谈论计算机,并赋予他们与大脑有关的特征,这是很常见的。不过,实际上,传统计算机实际上根本无法发挥大脑的作用。但是计算机科学越来越近了。

一个迹象就是TrueNorth,这是一个4平方厘米的芯片,拥有约54亿个晶体管,以及100万个“神经元”,它们通过2.56亿个“突触”进行通信。从他在康奈尔大学任教开始,Manohar就与IBM研究人员团队进行了长达数年的合作,最终开发出TrueNorth芯片。TrueNorth由国防高级研究计划局(DARPA)资助,是其神经形态适应性塑料可扩展电子系统(SyNAPSE)计划的一部分,是神经形态芯片的开创性例子。神经形态芯片是一种模仿大脑的新型计算机电路。它是邮票的大小,可能是我们制造和使用计算机方式的一场革命的开始。

Manohar于1月份在耶鲁大学开始工作,他的研究专长之一是通过异步系统工作进入了该项目。在具有此类电路的设备中,每个功能所需的时间最少或所需的时间最多。他说:“这就像一场接力赛,当您在那里时,您将接力棒交给下一个人。”为了增加复杂性并减少能耗,所有这些功能都是异步并行运行的,这与神经科学家认为大脑运作的方式类似。

“显然,没有一个仔细同步的信号传递到大脑中的每个神经元,因此,异步是思考计算如何发生的自然方法,” Manohar说。

TrueNorth芯片的详细信息。

尽管异步系统通常被认为是计算机科学领域的一个新研究分支,但其起源可以追溯到现代计算机的最早版本。Manohar指出,即使是1940年代的现代计算机(“ Von Neumann”机器)的蓝图也说明了异步计算是有利的。许多早期的机器都是以这种方式构建的,但是计算机体系结构很快变得越来越复杂,并且包含了更多的电线。确保在机器内正确发送和接收信号变得更加棘手。需要一个内部计时器来确保一切正常运行,并且同步电路成为这块土地的法则。

但是,机器有秩序地获得了什么,但它们却失去了速度。以手机中的计算机为例。它的运行频率为1 GHz(每秒十亿步),因此每一步都必须在一纳秒内适应。无论您要计算什么,都必须细分为相等的时间段。如果一个步骤提早完成,则必须等待。这可能会浪费大量时间。

他说:“坦白说,您很少有计算,即独立的事物都需要花费相同的时间。”“并非所有计算都同样困难。”

如果一个步骤花费的时间太长,则会发生错误。在这种情况下,必须将过程分成较小的步骤,或者必须将步长增大,这会使其他所有步骤变慢。

但是,直到1980年代,这才引起人们的极大关注,那时芯片开始变得越来越大,越来越复杂,而用来跟上计算能力的时钟运行起来也变得越来越昂贵—占据了芯片总数的20%。能量消耗。

“因此,人们在80年代初开始重新考虑异步电路。”

TrueNorth的神经元彼此并行工作,各自完成需要完成的任务。它们通过电流突发(称为尖峰)进行通信。关于TrueNorth的最显着的事情之一就是它的功率效率。与执行类似任务的传统计算机相比,消耗70毫瓦的功率(相当于助听器的功率)是微不足道的。

IBM Almaden研究中心认知计算小组首席研究员兼DARPA SyNAPSE项目的首席研究员Dharmendra Modha说,他之所以招募Manohar是因为他是该项目所需技术的“世界领导者”,并且他已经开发了“功能强大且经过验证的技术”。工具。

Modha说:“大脑中的神经元是事件驱动的,无需任何同步时钟即可运行。”“要实现DARPA SyNAPSE雄心勃勃的指标,关键要素是设计和实现事件驱动电路,而异步电路自然是这种事件驱动电路。”

神经科学使我们对大脑中发生的事情有了更好的了解,并且这些信息激发了TrueNorth芯片的架构。但是,将TrueNorth称为大脑功能的副本很费力,因为我们仍然不确切知道大脑是如何工作的。那是令Manohar着迷的事情之一。

他说:“大脑是一个我们不太了解的异步系统,它可以完成某些我们今天不知道如何使计算机工作的事情,这很有趣。”另外,有证据表明,大脑具有“功能强大的异步计算基础”,可以学习如何进行许多不同的应用。

“而且它可以以我们不知道如何在计算机上执行的效率来执行那些应用程序。这也很有趣。”

在神经形态计算方面的许多其他努力始于更好地了解大脑如何工作的目的。TrueNorth的制造商从另一个方向着手进行他们的项目。大脑的过程如何进行更好的计算?这也符合Manohar的兴趣。

“我不了解生物学。我在其中了解它是如何进行此计算的。”

为了了解TrueNorth可能具有的现实应用程序,研究团队开发了一种多对象检测和分类应用程序,并对其进行了两个挑战的测试:一个是要检测周期性出现的人,自行车,汽车,卡车和公共汽车一段录像;另一个是正确识别每个对象。TrueNorth被证明可以胜任这两项任务。

根据制造商的说法,即使它仅捕获了人类大脑复杂程度的一小部分,该芯片仍具有大黄蜂的大脑力量,足以完成一些出色的任务。例如,它允许用户在不触摸电视或遥控器的情况下更改频道。三星已经评估了TrueNorth芯片,它宣布正在开发一种系统,电视用户可以通过手势简单地控制电视机。洛斯阿拉莫斯国家实验室的官员们还讨论了将其用于一些超级计算的计算。

Manohar还是Achronix Semiconductor的创始人,该公司专门研究高性能异步现场可编程门阵列(FPGA)芯片。麻省理工学院技术评论将他列为“ 35位35岁以下创新者”之一,以表彰他在低功耗微处理器设计方面的工作。他的其他专长包括低功耗嵌入式系统,并发系统和电路设计的正式方法。

马诺哈尔(Manohar)说,他是通过数学来学习计算机科学的。

他说:“在某个时候,我想将数学用于更实际的应用中。”“从应用数学的角度来看,我认为计算机科学很有趣-许多技术和某些基础都是非常数学的。”

TrueNorth的空前性质意味着需要投入大量资源。研究团队不仅发明了该芯片,而且还需要发明用于构建该芯片的工具,因为现有的现有计算机辅助设计(CAD)软件还不够用。

他说:“阻碍人们从事异步电路工作的一件事是缺乏设计它们的工具。”“有一个庞大的行业,每年花费数十亿美元来改进这些CAD工具,但是它们并不是针对我们在异步设计方面所做的工作而量身定制的,因此我们必须编写自己的CAD工具。”

自从TrueNorth发布以来,从事异步电路研究的人数已大大增加,但仍然是一个很小的社区。Manohar团队使用的CAD软件是专门为团队使用而设计的。但是,如果他们能够对其进行修改以使其更具通用性,Manohar相信这一领域将会爆发,并且技术将更加迅速地发展。

“我们要做的一件事是拥有一套完整的工具,我们可以将其放入开源中,并让其他研究人员使用。我经常听到业内人士说:“嘿,我想尝试一下,但是我不知道如何开始,因为我没有工具。”

像大脑一样思考的好处

当今常规计算机的体系结构仍源自1940年代的冯·诺依曼模型。我们不使用纸板打孔卡,但基本思路仍然相同。进步已经减少了内存将数据传输到处理器所花费的时间。但是数据仍然需要来回穿梭,这需要时间和精力。几十年来,计算机的尺寸在不断缩小,但功能却在不断增长。不过,计算机科学家说,我们已经接近可以继续增加处理器能力的极限。神经形态芯片可能会打破一个全新的领域,这将使趋势继续下去,很有可能以更快的速度进行下去。

与传统系统的根本差异之一是TrueNorth上的数据存储和计算没有分开。它的神经网络可以在没有计时机制的情况下完成多个任务,从而摆脱了困扰常规操作的线性操作。

然后就是这些芯片可以让计算机做什么的问题。常规计算机擅长于蛮力计算。他们不太擅长识别面孔或挑选涉及模式识别的特定声音和任务。这就是为什么那些验证码功能会指示您挑出爱因斯坦的脸或复制简短的字母数字模式以证明您是人类的原因,从而有效地阻止了机器人的攻击。

自从1980年代计算机科学家开始认真讨论神经形态计算以来,神经形态计算已经取得了巨大进步,但该领域仍处于早期阶段,随着技术变得越来越复杂,该领域的许多人都对芯片可以做什么感到兴奋。与任何可能改变游戏规则的技术一样,无法想象所有可能的商业应用,但是该领域的许多人表示,神经形态芯片可能是实现准备就绪的自动驾驶汽车,更多类似人的机器人以及能够实现这种功能的设备的关键。帮助有视觉障碍的人。

当然,达到这一点绝非易事。Manohar目前正在与滑铁卢大学和斯坦福大学的一组研究人员合作开发多芯片系统,Manohar表示这将是神经形态学的下一步发展。

他说:“与所有现有平台相比,我们希望展示出更高的效率,这始终是我们的目标。”“我们认为我们知道该怎么做。”

他预测这种技术很快就会出现在日常设备中。

他说:“这些神经计算算法目前可为诸如对象检测和识别人脸等任务提供最先进的性能,这是许多公司如今所关心的任务。”“想象一下,您所拥有的照片或视频的搜索方式与今天搜索文本时所用的方式相同;这些类型的芯片在这种计算方式上效率更高。”

郑重声明:本文版权归原作者所有,转载文章仅为传播更多信息之目的,如作者信息标记有误,请第一时间联系我们修改或删除,多谢。