Loading article…
認知コンピュータは、人工知能と機械学習アルゴリズムを集積回路にハードワイヤードし、人間の脳の行動を忠実に再現するコンピュータである。 [1]一般的にはニューロモルフィックエンジニアリングのアプローチを採用している。同義語にはニューロモルフィックチップや認知チップがある。[2] [3]
2023年、IBMの概念実証NorthPoleチップ（2、4、8ビットの精度に最適化）は、画像認識において驚くべきパフォーマンスを達成しました。[4]
2013年、IBMはニューラルネットワークとディープラーニング技術を使用した認知コンピュータであるWatsonを開発しました。 [5]翌年、同社は2014 TrueNorthマイクロチップアーキテクチャを開発しました。 [6]これは、従来のコンピュータで使用されているフォンノイマンアーキテクチャよりも人間の脳の構造に近いように設計されています。 [1] 2017年には、Intelも「Loihi」で認知チップの独自バージョンを発表し、2018年に大学や研究室で利用できるようになることを意図していました。 Intel（最も有名なのはPohoiki BeachとSpringsシステム[7] [8]）、Qualcomm、およびその他の企業は、ニューロモルフィックプロセッサを着実に改善しています。
IBM TrueNorthチップ
TrueNorthは、2014年にIBMが製造したニューロモルフィック CMOS 集積回路です。[9]これは、チップ設計上のマルチコアプロセッサネットワークで、4096個のコアがあり、各コアには256個のプログラム可能なシミュレートされたニューロンがあり、合計で100万を超えるニューロンがあります。また、各ニューロンには、それらの間で信号を伝達する256個のプログラム可能な「シナプス」があります。したがって、プログラム可能なシナプスの総数は2億6800万（2の28乗）を超えます。その基本トランジスタ数は54億です。
詳細
メモリ、計算、通信は4096個のニューロシナプスコアのそれぞれで処理され、TrueNorthはフォンノイマンアーキテクチャのボトルネックを回避し、非常にエネルギー効率が高く、IBMは消費電力が70ミリワットで、電力密度は従来のマイクロプロセッサの1/10,000であると主張しています。[10] SyNAPSEチップは、計算に必要な電力のみを消費するため、より低い温度と電力で動作します。[11] チップ上のシナプスのモデルとして、スキルミオンが提案されています。 [12] [13]
ニューロンは、リーキー積分発火モデルを簡略化した線形リーク積分発火（LLIF）モデルを使用してエミュレートされます。[14]
IBMによれば、このプロセッサにはクロックがなく、[15]単項数を演算し、最大19ビットまでカウントして計算を行う。[6] [16]コアは同期ロジックと非同期ロジックの両方を使用してイベント駆動され、非同期パケット交換メッシュネットワークオンチップ（NOC）を介して相互接続されている。[16]
IBMはTrueNorthをプログラムして使用するための新しいネットワークを開発した。これにはシミュレーター、新しいプログラミング言語、統合プログラミング環境、ライブラリが含まれていた。[15]以前の技術（C++コンパイラなど）との下位互換性がないため、ベンダーロックインのリスクが深刻になり、将来の商用化を妨げる可能性のあるその他の悪影響が生じる可能性がある。[15] [検証に失敗した]
研究
2018年には、マスターコンピュータにネットワーク接続されたTrueNorthのクラスターが、シーン内の急速に移動する物体の奥行きを抽出しようとするステレオビジョン研究に使用されました。[17]
IBM NorthPoleチップ
2023年、IBMはNorthPoleチップをリリースしました。これは、オンチップのコンピューティングとメモリを絡み合わせてフォン・ノイマン・ボトルネックを解消することでパフォーマンスを劇的に向上させる概念実証です。IBMの2014年のTrueNorthシステムのアプローチと最新のハードウェア設計を融合し、TrueNorthよりも約4,000倍高速な速度を実現します。製造に使用された同じ12nmノードプロセスを使用するGPUと比較すると、 ResNet-50またはYolo-v4の画像認識タスクを約22倍高速に、25倍少ないエネルギーと5倍少ないスペースで実行できます。224MBのRAMと256個のプロセッサコアを含み、8ビット精度で1サイクルあたりコアあたり2,048回の演算、2ビット精度で8,192回の演算を実行できます。25〜425MHzで動作します。[4] [18] [19] [20]これは推論チップですが、メモリと精度の制限のため、まだGPT-4を扱うことができません[21]
Intel Loihiチップ
ポホイキ スプリングス
Pohoiki Springsは、2017年に発表されたIntelの自己学習型ニューロモルフィックチップ「Loihi」を組み込んだシステムで、ハワイの海山 ロイヒにちなんで名付けられたものと思われる。Intelによると、Loihiはニューラルネットワークのトレーニングに使用される汎用コンピューティングシステムよりも約1000倍エネルギー効率が高いという。理論上、Loihiはクラウド接続とは独立して、同じシリコン上で機械学習のトレーニングと推論の両方をサポートし、畳み込みニューラルネットワークやディープラーニング ニューラルネットワークよりも効率的である。Intelは、人の心拍を監視し、運動や食事などのイベントの後に測定値を取得し、チップを使用してデータを正規化して「正常な」心拍を算出するシステムを示している。その後、異常を発見し、新しいイベントや状態に対処できる。
このチップの最初のイテレーションは、インテルの14nm製造プロセスを使用して製造され、それぞれ1,024個の人工ニューロンからなる128個のクラスター、合計131,072個のシミュレートされたニューロンを収容しています。 [22]これは約1億3000万個のシナプスを提供しますが、これは人間の脳の800兆個のシナプスよりもはるかに少なく、IBMのTrueNorthよりも少ないです。[23] Loihiは、 USBフォームファクタとして40を超える学術研究グループで研究目的で利用できます。 [24] [25]
2019年10月、ラトガース大学の研究者らは、 IntelのLoihiが同時位置推定と地図作成を解決する際のエネルギー効率を実証する研究論文を発表しました。[26]
2020年3月、インテルとコーネル大学は、インテルのLoihiがさまざまな危険物質を認識する能力を実証する研究論文を発表しました。この能力は、最終的には「病気の診断、武器や爆発物の検出、麻薬の発見、煙や一酸化炭素の兆候の発見」に役立つ可能性があります。[27]
ポホイキビーチ
IntelのLoihi 2はPohoiki Beachと名付けられ、2021年9月に64コアでリリースされました。[28]より高速で、スケーラビリティを高めるためのチップ間通信の帯域幅が広く、チップあたりの容量が増加し、プロセスのスケーリングによりサイズがコンパクトになり、プログラマビリティが向上しています。[29]
ハラポイント
Hala Point は、Intel 3 プロセス ノードで製造された 1,152 個の Loihi 2 プロセッサを 6 ラック ユニット シャーシにパッケージ化しています。このシステムは、140,544 個のニューロモルフィック プロセッシング コアに分散された最大 11 億 5,000 万個のニューロンと 1,280 億個のシナプスをサポートし、2,600 ワットの電力を消費します。補助計算用に 2,300 個を超える組み込み x86 プロセッサが含まれています。
インテルは2024年に、Hala Pointが世界最大のニューロモルフィックシステムであると主張しました。Loihi 2チップを使用しています。ニューロン容量は10倍、パフォーマンスは最大12倍高いと言われています。
Hala Point は、1 秒あたり最大 20 京回の演算 (20 ペタオプス) を実行でき、従来のディープ ニューラル ネットワークの 15 兆回 (8 ビット) の演算 S -1 W -1を超える効率を実現します。
Hala Point は、処理、メモリ、通信チャネルを大規模に並列化されたファブリックに統合し、16 PB S -1のメモリ帯域幅、3.5 PB S -1のコア間通信帯域幅、5 TB S -1のチップ間帯域幅を提供します。
このシステムは、11億5千万のニューロンを人間の脳の20倍の速さで処理することができます。そのニューロン容量は、フクロウの脳やオマキザルの皮質とほぼ同等です。
Loihi ベースのシステムは、CPU/GPU アーキテクチャよりも 100 倍少ないエネルギーで最大 50 倍の速度で推論と最適化を実行できます。
インテルはハラポイントがLLMを作成できると主張しているが、これはまだ行われていない。[30]さらなる研究が必要である[31]
スピナーカー
SpiNNaker（スパイキングニューラルネットワークアーキテクチャ）は、マンチェスター大学コンピュータサイエンス学部の高度プロセッサ技術研究グループによって設計された、超並列のマルチコアスーパーコンピュータアーキテクチャです。[32]
批判
批評家は、 IBMの ワトソンのような部屋サイズのコンピュータは、3ポンドの人間の脳の代替としては現実的ではないと主張している。[33]また、異なる情報源やコンピューティングリソースなど、非常に多くの要素を単一のシステムに統合することは困難であると指摘する人もいる。[34]
2021年、ニューヨークタイムズはスティーブ・ローア氏の記事「IBMのワトソンに一体何が起こったのか？」を発表しました。[35]彼はIBMワトソンのいくつかの高くついた失敗について書いています。その一つである癌関連のプロジェクト「オンコロジーエキスパートアドバイザー」[36]は、高くついた失敗として2016年に放棄されました。コラボレーション中、ワトソンは患者データを使用できませんでした。ワトソンは医師のメモや患者の履歴を解読するのに苦労しました。
参照
参考文献
- ^ abウィッチオールズ、クリント（2014 年11月）。「考えるコンピューター」。ニューサイエンティスト。224 （2994）：28–29。Bibcode ：2014NewSc.224...28W。doi ： 10.1016 /S0262-4079（14）62145-X。
- ^ Seo, Jae-sun; Brezzo, Bernard; Liu, Yong; Parker, Benjamin D.; Esser, Steven K.; Montoye, Robert K.; Rajendran, Bipin; Tierno, José A.; Chang, Leland; Modha, Dharmendra S.; Friedman, Daniel J. (2011 年 9 月)。「スパイキング ニューロン ネットワークの学習のためのスケーラブルなアーキテクチャを備えた 45nm CMOS ニューロモルフィック チップ」。2011 IEEE カスタム集積回路会議 (CICC)。pp. 1–4。doi : 10.1109 /CICC.2011.6055293。ISBN 978-1-4577-0222-8. S2CID 18690998 . 2021年12月21日閲覧。
- ^ 「サムスン、IBMの脳模倣チップを先進センサーに搭載」Engadget 2021年12月21日閲覧。
- ^ ab 「IBM、高速で効率的なAIを実現する脳にヒントを得たチップを発表 - IEEE Spectrum」IEEE 2023年10月30日閲覧。
- ^ケリー、ジョン E.、ハム、スティーブ (2013)。スマートマシン: IBM のワトソン とコグニティブコンピューティングの時代。コロンビア大学出版局。doi : 10.7312/kell16856。ISBN 9780231537278. JSTOR 10.7312/kell16856.
- ^ ab 「脳のアーキテクチャ、効率…チップ上」。IBM Research Blog。2016年12月19日。 2021年8月21日閲覧。
- ^ 「Intel の 64 チップ ニューロモルフィック システム Pohoiki Beach が研究テストで画期的な結果を達成」Intel ニュースルーム。
- ^ 「韓国の研究者が開発」2020年3月30日。
- ^ ペンシルバニア州メローラ;アーサー、JV。アルバレス・イカザ、R.アスファルト州キャシディ。澤田純。アコピアン、F.ブリティッシュコロンビア州ジャクソン。イマーム、N.グオ、C.中村裕也ブレッツォ、B.ヴォー、I。サウスカロライナ州エッサー;アプスワミー、R.タバ、B.アミール、A.メリーランド州フリックナー。リスク、WP;マノハール、R.モーダ、DS (2014)。 「スケーラブルな通信ネットワークとインターフェイスを備えた 100 万個のスパイキング ニューロン集積回路」。科学。345 (6197): 668–73。Bibcode :2014Sci...345..668M。土井：10.1126/science.1254642。PMID 25104385。S2CID 12706847 。
- ^ IEEE IBM が TrueNorth チップで脳のような効率性を実現した方法
- ^ 「コグニティブコンピューティング: ニューロシナプスチップ」IBM。2015年12月11日。
- ^ Song, Kyung Mee; Jeong, Jae-Seung; Pan, Biao; Zhang, Xichao; Xia, Jing; Cha, Sunkyung; Park, Tae-Eon; Kim, Kwangsu; Finizio, Simone; Raabe, Jörg; Chang, Joonyeon; Zhou, Yan; Zhao, Weisheng; Kang, Wang; Ju, Hyunsu; Woo, Seonghoon (2020 年 3 月)。「ニューロモルフィック コンピューティングのためのスカイミオンベースの人工シナプス」。Nature Electronics。3 ( 3 ) : 148–155。arXiv : 1907.00957。doi : 10.1038 /s41928-020-0385-0。S2CID 195767210 。
- ^ 「ニューロモルフィック・コンピューティング：ルーツから現実世界への長い道のり」。2020年12月15日。
- ^ 「脳のアーキテクチャ、効率…チップ上」。IBM Research Blog。2016年12月19日。 2022年9月28日閲覧。
- ^ abc 「IBM Research: 脳にヒントを得たチップ」www.research.ibm.com 2021年2月9日2021年8月21日閲覧。
- ^ ab Andreou, Andreas G.; Dykman, Andrew A.; Fischl, Kate D.; Garreau, Guillaume; Mendat, Daniel R.; Orchard, Garrick; Cassidy, Andrew S.; Merolla, Paul; Arthur, John; Alvarez-Icaza, Rodrigo; Jackson, Bryan L. (2016 年 5 月)。「TrueNorth ニューロシナプティック システムを使用したリアルタイム センサ情報処理」。2016 IEEE国際回路システム シンポジウム (ISCAS)。p. 2911。doi :10.1109 / ISCAS.2016.7539214。ISBN 978-1-4799-5341-7. S2CID 29335047。
- ^ 「脳にヒントを得たコンピューティングアーキテクチャを使用したステレオビジョン」。IBM Research Blog。2018年6月19日。 2021年8月21日閲覧。
- ^ Afifi-Sabet, Keumars (2023-10-28). 「人間の脳にヒントを得たIBMの最新AIチップは、より統合されたことでGPUの25倍の効率性を発揮する可能性があるが、NvidiaもAMDもまだ心配する必要はない」。TechRadar 。 2023年10月30日閲覧。
- ^ モーダ、ダルメンドラ S.;アコピアン、フィリップ。アンドレオプロス、アレクサンダー。アプスワミ、ラティナクマール。アーサー、ジョン V.キャシディ、アンドリュー S.ダッタ、パララブ。デボール、マイケル V.エッサー、スティーブン K.オテロ、カルロス・オルテガ。澤田 純;タバ、ブライアン。アミール、アーノン。バブラニ、ディーピカ。カールソン、ピーター J. (2023-10-20)。 「エネルギー、空間、時間のフロンティアにおける神経推論」。科学。382 (6668): 329–335。Bibcode :2023Sci...382..329M。土井：10.1126/science.adh1174。ISSN 0036-8075。PMID 37856600。S2CID 264306410 。
- ^ Modha, Dharmendra (2023-10-19). 「NorthPole: エネルギー、空間、時間のフロンティアにおけるニューラル推論」Dharmendra S. Modha - 私の仕事と思考. 2023-10-31閲覧。
- ^ https://arxiv.org/html/2406.08413v1#S4
- ^ 「Intel がニューロモルフィック チップを開発した理由」ZDNET。
- ^ 「IntelがLoihiニューロモルフィックチップを発表、人工脳でIBMを追い抜く」2017年10月17日。AITrends.com。2021年8月11日時点のオリジナルよりアーカイブ。2017年10月17日閲覧。
- ^ Feldman, M. (2018年12月7日). 「Intel、新たな研究パートナーとともにニューロモルフィック・コンピューティングへの取り組みを強化」 TOP500 . 2023年12月22日閲覧。
- ^ Davies, M. (2018). 「Loihi - 簡単な紹介」(PDF) . Intel Corporation . 2023年12月22日閲覧。
- ^ Tang, Guangzhi; Shah, Arpit; Michmizos, Konstantinos. (2019). 「エネルギー効率の良い一次元SLAMのためのニューロモルフィックハードウェア上のスパイキングニューラルネットワーク」。2019 IEEE / RSJ 国際インテリジェントロボットおよびシステム会議 (IROS)。pp. 4176–4181。arXiv : 1903.02504。doi : 10.1109 / IROS40897.2019.8967864。ISBN 978-1-7281-4004-9. S2CID 70349899。
- ^ Imam, Nabil; Cleland, Thomas A. (2020). 「ニューロモルフィック嗅覚回路における迅速なオンライン学習と堅牢な想起」。Nature Machine Intelligence。2 ( 3 ): 181–191。arXiv : 1906.07067。doi : 10.1038 / s42256-020-0159-4。PMID 38650843。S2CID 189928531 。
- ^ Hruska, J. (2019年7月16日). 「IntelのニューロモルフィックLoihiプロセッサは800万ニューロン、64コアに拡張可能」Ziff Davis . 2023年12月22日閲覧。
- ^ Peckham, Oliver (2022-09-28). 「Intel Labs がニューロモルフィック「Kapoho Point」ボードを発表」HPCwire . 2023-10-26閲覧。
- ^ https://www.intel.com/content/www/us/en/newsroom/news/intel-builds-worlds-largest-neuromorphic-system.html#gs.hki0xq
- ^ https://arxiv.org/html/2406.08413v1#S4
- ^ 「研究グループ: APT - 高度プロセッサ技術 (マンチェスター大学コンピュータサイエンス学部)」. apt.cs.manchester.ac.uk .
- ^ ノイマイヤー、マーティ（2012年）。『メタスキル：ロボット時代の5つの才能』インディアナポリス、インディアナ州：ニューライダーズ。ISBN 9780133359329。
- ^ ハーウィッツ、ジュディス、カウフマン、マーシャ、ボウルズ、エイドリアン (2015)。認知コンピューティングとビッグデータ分析。インディアナポリス、インディアナ州: John Wiley & Sons。p. 110。ISBN 9781118896624。
- ^ Lohr, Steve (2021-07-16). 「IBMのWatsonに何が起こったのか?」. The New York Times . ISSN 0362-4331 . 2022年9月28日閲覧。
- ^ Simon, George; DiNardo, Courtney D.; Takahashi, Koichi; Cascone, Tina; Powers, Cynthia; Stevens, Rick; Allen, Joshua; Antonoff, Mara B.; Gomez, Daniel; Keane, Pat; Suarez Saiz, Fernando; Nguyen, Quynh; Roarty, Emily; Pierce, Sherry; Zhang, Jianjun (2019年6月)。「がん治療における知識ギャップへの人工知能の適用」。The Oncologist . 24 (6): 772–782. doi :10.1634/theoncologist.2018-0257. ISSN 1083-7159. PMC 6656515 . PMID 30446581.
さらに読む
- CES 2018: インテルがコンピューティングの驚くべき未来を垣間見せる
- シャンク、ロジャー C.、チルダーズ、ピーター G. (1984)。認知コンピュータ：言語、学習、人工知能について。Addison-Wesley Pub. Co. ISBN 9780201064438。
- ウィルソン、スティーブン (1988)。「認知コンピュータ：言語、学習、人工知能について、ロジャー・C・シャンク、ピーター・チルダーズ著（レビュー）」。レオナルド 。21 ( 2 ) : 210。doi :10.2307/1578563。ISSN 1530-9282。JSTOR 1578563。S2CID 56814452。2017年1月13日閲覧。
- SERVICE, ROBERT F. (2022年5月20日). 「人間の脳を模倣したマイクロチップはAIのエネルギー効率を大幅に向上させる可能性がある」。サイエンス誌。2022年8月21日閲覧。
- ウィッテン、アリソン（2022年11月10日）。「新しいチップがAIの可能性を広げる」Quanta Magazine 。2022年11月11日閲覧。