Когнитивный компьютер - Cognitive computer

А когнитивный компьютер сочетает искусственный интеллект и алгоритмы машинного обучения в подходе, который пытается воспроизвести поведение человеческого мозга.[1] Обычно он принимает Нейроморфная инженерия подход. Пример когнитивного компьютера, реализованного с использованием нейронные сети и глубокое обучение обеспечивается IBM компания Watson машина. Последующая разработка IBM - это TrueNorth Архитектура микрочипа, которая по структуре должна быть ближе к человеческому мозгу, чем фон Неймана архитектура используется в обычных компьютерах.[1] В 2017 г. Intel анонсировала свою собственную версию когнитивного чипа в Loihi, который будет доступен университетам и исследовательским лабораториям в 2018 году. Intel, Qualcomm и другие постоянно совершенствуют нейроморфные процессоры, Intel с ее системами Pohoiki Beach и Springs [2] [3]

Чип IBM TrueNorth

DARPA СИНАПС плата с 16 чипами TrueNorth

TrueNorth был нейроморфный CMOS Интегральная схема произведено IBM в 2014.[4] Это многоядерный процессор сеть на чипе дизайн, с 4096 ядра, каждый из которых имеет 256 программируемых симуляторов нейроны всего чуть более миллиона нейронов. В свою очередь, каждый нейрон имеет 256 программируемых "синапсы ", которые передают сигналы между ними. Следовательно, общее количество программируемых синапсов составляет чуть более 268 миллионов (228). Его основные количество транзисторов составляет 5,4 миллиарда. Поскольку память, вычисления и связь обрабатываются в каждом из 4096 нейросинаптических ядер, TrueNorth обходит фон Нейман-архитектура узкое место и очень энергоэффективный, при этом IBM утверждает, что потребляемая мощность составляет 70 милливатты и удельная мощность, составляющая 1/10 000 от обычных микропроцессоров.[5] В СИНАПС Чип работает при более низких температурах и более низкой мощности, поскольку потребляет только энергию, необходимую для вычислений.[6] Скирмионы были предложены в качестве моделей синапсов на микросхеме.[7]

Нейроны эмулируются с использованием модели Linear-Leak Integrate-and-Fire (LLIF), упрощения утечки интегрировать и стрелять модель.

Чип Intel Loihi

Самообучающийся нейроморфный чип Intel, названный Loihi (произведен в 2017 году), возможно, назван в честь гавайской подводной горы. Lōʻihi, предлагает значительную энергоэффективность, разработанную по образу человеческого мозга. Intel утверждает, что Loihi примерно в 1000 раз более энергоэффективен, чем вычислительная мощность общего назначения, необходимая для обучения нейронных сетей, которые конкурируют с производительностью Loihi. Теоретически это могло бы поддерживать как обучение машинному обучению, так и логический вывод на одном кристалле независимо от облачного соединения, и было бы более эффективно, чем использование сверточные нейронные сети (CNN) или глубокое обучение нейронные сети. Intel указывает на систему для мониторинга сердцебиения человека, снятия показаний после таких событий, как упражнения или прием пищи, и использования когнитивного вычислительного чипа для нормализации данных и определения «нормального» сердцебиения. Затем он может обнаруживать отклонения, а также иметь дело с любыми новыми событиями или условиями.

Первая итерация чипа Loihi была изготовлена ​​с использованием 14-нм техпроцесса Intel и содержит 128 кластеров по 1024 искусственные нейроны каждая, всего 131 072 моделируемых нейронов.[8] Это предлагает около 130 миллионов синапсы, что все еще довольно далеко от человеческого мозга 800 триллион синапсов, а за IBM TrueNorth, что составляет около 256 миллионов при использовании 64 на 4096 ядер.[9]Теперь Loihi доступен для исследовательских целей более чем 40 академическим исследовательским группам в качестве USB фактор формы.[10] [11] Последние разработки включают 64-ядерный чип под названием Pohoiki Beach (в честь Пляжный парк Исаака Хейла, также известный как Pohoiki).[12]

В марте 2020 года Intel и Корнелл Университет опубликовал исследовательскую работу, чтобы продемонстрировать способность Intel Loihi распознавать различные опасные материалы, которые в конечном итоге могут помочь «диагностировать болезни, обнаруживать оружие и взрывчатка, найти наркотики, и обнаруживать следы дыма и монооксид углерода ".[13]

Спинакер

Основная статья: Спинакер

SpiNNaker (Spiking Neural Network Architecture) - это массивно параллельный, многоядерный суперкомпьютерная архитектура разработан исследовательской группой Advanced Processor Technologies Research Group (APT) в Департамент компьютерных наук Манчестерского университета.[14]

Критика

Есть много подходов и определений для когнитивный компьютер,[15] и другие подходы могут быть более плодотворными, чем другие.[16]

В частности, есть критики, которые утверждают, что компьютер размером с комнату - как в случае с Уотсоном - не является жизнеспособной альтернативой трехфунтовому человеческому мозгу.[17] Некоторые также указывают на то, что одной системе сложно объединить столько элементов, как разрозненные источники информации, а также вычислительные ресурсы.[18] В течение 2018 г. Всемирный Экономический Форум, были эксперты, которые утверждали, что когнитивные системы могут принять предубеждения своих разработчиков, и что это было продемонстрировано в случае Google распознавание изображений или алгоритм компьютерного зрения, который идентифицировал негры неблагоприятно.[19]

Смотрите также

использованная литература

  1. ^ а б Уитчеллс, Клинт (ноябрь 2014 г.). «Компьютер, который думает». Новый ученый. 224 (2994): 28–29. Bibcode:2014NewSc.224 ... 28W. Дои:10.1016 / S0262-4079 (14) 62145-X.
  2. ^ Intel’s Pohoiki Beach, нейроморфная система с 64 чипами, обеспечивает прорывные результаты в исследовательских тестах
  3. ^ http://www.businesskorea.co.kr/news/articleView.html?idxno=43451
  4. ^ Merolla, P.A .; Arthur, J. V .; Alvarez-Icaza, R .; Кэссиди, А. С .; Sawada, J .; Акопян, Ф .; Jackson, B.L .; Имам, Н .; Guo, C .; Nakamura, Y .; Brezzo, B .; Во, I .; Esser, S.K .; Appuswamy, R .; Таба, Б .; Амир, А .; Flickner, M.D .; Риск, W. P .; Manohar, R .; Модха, Д. С. (2014). «Интегральная схема миллиона пиковых нейронов с масштабируемой коммуникационной сетью и интерфейсом». Наука. 345 (6197): 668–73. Bibcode:2014Наука ... 345..668М. Дои:10.1126 / science.1254642. PMID  25104385. S2CID  12706847.
  5. ^ https://spectrum.ieee.org/computing/hardware/how-ibm-got-brainlike-efficiency-from-the-truenorth-chip Как IBM получила интеллектуальную эффективность от чипа TrueNorth
  6. ^ «Когнитивные вычисления: нейросинаптические чипы». IBM. 11 декабря 2015.
  7. ^ Сон, Кён Ми; Чон, Джэ Сын; Пан, Бяо; Чжан, Сичао; Ся, Цзин; Ча, Сункён; Пак, Тэ-Ён; Ким, Квангсу; Финицио, Симона; Раабе, Йорг; Чанг, Джунён; Чжоу, Ян; Чжао, Вэйшэн; Канг, Ван; Джу, Хёнсу; У, Сонхун (март 2020 г.). «Искусственные синапсы на основе скирмионов для нейроморфных вычислений». Природа Электроника. 3 (3): 148–155. arXiv:1907.00957. Дои:10.1038 / s41928-020-0385-0.
  8. ^ «Зачем Intel построила нейроморфный чип». 29 сентября 2017 г. www.ZDNet.com
  9. ^ «Intel представляет нейроморфный чип Loihi, гонится за IBM в искусственном мозге». 17 октября 2017 г. AITrends.com
  10. ^ «Intel наращивает усилия в области нейроморфных вычислений с новыми партнерами по исследованиям | TOP500 суперкомпьютерных сайтов».
  11. ^ http://niceworkshop.org/wp-content/uploads/2018/05/Mike-Davies-NICE-Loihi-Intro-Talk-2018.pdf
  12. ^ «Нейроморфный процессор Intel Loihi масштабируется до 8 миллионов нейронов, 64 ядра - ExtremeTech».
  13. ^ Имам, Набиль; Клеланд, Томас А. (2020). «Быстрое онлайн-обучение и надежная память в нейроморфном обонятельном контуре». Природа Машинный интеллект. 2 (3): 181–191. arXiv:1906.07067. Дои:10.1038 / с42256-020-0159-4.
  14. ^ «Исследовательские группы: APT - Advanced Processor Technologies (Школа компьютерных наук - Манчестерский университет)».
  15. ^ Schank, Roger C .; Чайлдерс, Питер Г. (1984). Когнитивный компьютер: язык, обучение и искусственный интеллект. Аддисон-Уэсли Паб. Co. ISBN  9780201064438.
  16. ^ Уилсон, Стивен (1988). «Когнитивный компьютер: о языке, обучении и искусственном интеллекте, Роджер С. Шанк, Питер Чайлдерс (обзор)». Леонардо. 21 (2): 210. Дои:10.2307/1578563. ISSN  1530-9282. JSTOR  1578563. Получено 13 января 2017.
  17. ^ Ноймайер, Марти (2012). Метаскиллы: пять талантов для эпохи роботов. Индианаполис, Индиана: Новые гонщики. ISBN  9780133359329.
  18. ^ Гурвиц, Джудит; Кауфман, Марсия; Боулз, Адриан (2015). Когнитивные вычисления и аналитика больших данных. Индианаполис, IN: John Wiley & Sons. п. 110. ISBN  9781118896624.
  19. ^ Чоудхури, Сахели Рой (18.09.2018). «У ИИ есть проблема предвзятости, которую необходимо исправить: Всемирный экономический форум». CNBC. Получено 2018-10-12.

Ссылки

http://www.foxnews.com/tech/2018/01/09/ces-2018-intel-gives-glimpse-into-mind-blowing-future-computing.html