Intel ha annunciato la disponibilità per la comunità dei ricercatori di un nuovo sistema neuromorfico (nome in codice Pohoiki Beach) da 8 milioni di neuroni, basato su 64 chip sperimentali Loihi.
Grazie a Pohoiki Beach i ricercatori possono sperimentare Loihi, il chip di ricerca di Intel ispirato al cervello umano, che applica i principi riscontrati nei cervelli biologici alle architetture informatiche. Si tratta appunto di un circuito “asincrono”, ovvero privo di un segnale di clock globale, ma che implementa una “rete neurale spiking” (SNN).
Questo tipo di rete mima il comportamento dei neuroni biologici, in particolare per quanto riguarda il potenziale di carica della loro membrana che, al raggiungimento di un determinato valore, innesca un impulso che si propaga agli altri neuroni, i quali incrementano o decrementano i rispettivi potenziali in accordo al segnale ricevuto.
Tutto questo si traduce in un’estrema efficienza energetica, basti ricordare le stime effettuate sul funzionamento del cervello umano nel suo complesso, che con un consumo medio di soli 20 watt, riesce ad eseguire operazioni sinaptiche, nell’ordine computazionale “bruto” compreso tra 10^13 e 10^16 operazioni al secondo.
Loihi è un chip prodotto a 14 nanometri e 128 core che include 130.000 neuroni, tre core Quark x86, 2,1 miliardi di transistor e una dimensione del die di 60 mm2.
Loihi consente agli utenti di elaborare informazioni fino a 1.000 volte più velocemente e con un’efficienza 10.000 volte superiore rispetto alle CPU, per applicazioni specializzate come sparse coding, la ricerca dei grafi (graph search) e i problemi di soddisfazione di vincoli (CSP).
"Siamo colpiti dai primi risultati dimostrati nell’impiego di Loihi per creare sistemi neuromorfici più potenti. Pohoiki Beach sarà disponibile a più di 60 partner dell'ecosistema che utilizzeranno questo sistema specializzato per risolvere problemi complessi e ad uso intensivo di elaborazione", ha dichiarato Rich Uhlig, Managing Director degli Intel Labs.
Con l'introduzione di Pohoiki Beach, i ricercatori possono ora impiegare in modo efficiente nuovi algoritmi ispirati alle reti neurali (come lo sparse coding, localizzazione e mappatura simultanea [SLAM] e pianificazione dei percorsi), in grado di apprendere e adattarsi in base ai dati in entrata. Pohoiki Beach rappresenta un importante traguardo nella ricerca neuromorfica di Intel, che consente agli Intel Labs di portare l'architettura a 100 milioni di neuroni entro la fine dell'anno.
Per continuare a raggiungere i guadagni in termini di potenza e prestazioni resi possibili dalla Legge di Moore non basta più la continua riduzione del processo produttivo. Man mano che nuove e complesse operazioni di computing diventano la norma, vi è la crescente necessità di architetture specializzate, progettate per applicazioni specifiche.
Il sistema neuromorfico Pohoiki Beach mostra i vantaggi di un'architettura specializzata per le applicazioni emergenti, come alcuni dei problemi computazionali più difficili da supportare per l'Internet delle cose (IoT) e i dispositivi autonomi. Utilizzando questo tipo di sistema anziché tecnologie informatiche per uso generico possiamo aspettarci di ottenere guadagni significativi sia in velocità che in efficienza per una serie di applicazioni del mondo reale, dai veicoli autonomi alle smart home e alla sicurezza informatica.
Per quanto concerne le applicazioni concrete, durante il Telluride Neuromorphic Cognition Engineering Workshop di questa settimana, i ricercatori stanno utilizzando sistemi Loihi per risolvere le sfide dell'ingegneria neuromorfica. I progetti includono la fornitura di capacità di adattamento alla gamba protesica AMPRO, il tracciamento degli oggetti usando le fotocamere emergenti basate su eventi, l’automazione di un biliardino con rilevamento e controllo neuromorfico, l’apprendimento di come controllare un pendolo inverso lineare e l’inferenza degli input tattili per la pelle elettronica del robot iCub.
Altri partner di ricerca stanno già riscontrando i vantaggi di Loihi su vasta scala: “con il chip Loihi siamo stati in grado di ottenere un consumo energetico 109 volte inferiore con un benchmark di deep learning in tempo reale rispetto a una GPU e un consumo energetico 5 volte inferiore rispetto all'hardware specializzato per l'inferenza IoT”, ha affermato Chris Eliasmith, co-CEO di Applied Brain Research e professore all'Università di Waterloo.
“Inoltre, man mano che scaliamo la rete fino a 50 volte, Loihi mantiene risultati prestazionali in tempo reale e consuma solo il 30% di energia in più, mentre l'hardware IoT consuma il 500% di energia in più e non funziona più in tempo reale.”
“Loihi ci ha permesso di realizzare una rete neuronale di alto livello che imita le rappresentazioni ed il comportamento neuronale del cervello. La soluzione SLAM è emersa come una proprietà della struttura della rete. Abbiamo misurato tramite benchmark la rete basata su Loihi e l'abbiamo trovata altrettanto accurata, ma con un consumo di energia 100 volte inferiore rispetto al metodo SLAM basato su CPU, ampiamente utilizzato per i robot mobili”, ha osservato il professor Konstantinos Michmizos della Rutgers University.
Loihi è stato introdotto nel 2017. Nel marzo 2018 l'azienda ha creato la Intel Neuromorphic Research Community (INRC) per favorire lo sviluppo di algoritmi, software e applicazioni neuromorfici. Attraverso INRC, Intel dà l'accesso ai suoi sistemi cloud Loihi e a Kapoho Bay, un sistema con che ricorda una chiavetta USB basato su Loihi che ha rinvigorito la ricerca su applicazioni del mondo reale per le tecnologie neuromorfiche.
L'annuncio odierno di Pohoiki Beach accelera questo impegno fornendo maggiore scalabilità e capacità computazionale ai partner di ricerca di Intel. Entro fine anno Intel introdurrà un sistema Loihi ancora più potente, nome in codice Pohoiki Springs, che si baserà sull'architettura Pohoiki Beach per offrire un livello senza precedenti di prestazioni ed efficienza per carichi di lavoro neuromorfici scalabili.
Gli ingegneri di Intel si aspettano che le misurazioni di questi sistemi di ricerca quantificheranno i vantaggi ottenibili con i metodi di calcolo neuromorfico e chiariranno le aree applicative più adatte per questa tecnologia. Questa ricerca apre la strada per la futura commercializzazione della tecnologia neuromorfica.