Mogu li kompjuteri nalik mozgu biti ‘ubice konkurencije’?

Apetit modernog računarstva za električnom energijom raste alarmantnom brzinom.

Do 2026. potrošnja centara podataka, umjetne inteligencije (AI) i kriptovaluta mogla bi se udvostručiti u odnosu na 2022. godinu, prema nedavnom izvještaju Međunarodne agencije za energiju (IEA) .

Procjenjuje se da bi 2026. potrošnja energije u ta tri sektora mogla biti otprilike jednaka godišnjim energetskim potrebama Japana.

Kompanije kao što je Nvidia – čiji kompjuterski čipovi stoje u osnovi većine AI aplikacija danas – rade na razvoju energetski efikasnijeg hardvera.

Ali može li alternativni put biti izgradnja računara sa fundamentalno drugačijim tipom arhitekture, onom koji je energetski efikasniji?

Neke firme sigurno tako misle i oslanjaju se na strukturu i funkciju organa koji koristi djelić snage konvencionalnog kompjutera za brže izvođenje više operacija: mozga.

U neuromorfnom računarstvu, elektronski uređaji imitiraju neurone i sinapse i međusobno su povezani na način koji podseća na električnu mrežu mozga.

To nije novo – istraživači rade na tehnici od 1980-ih.

Ali energetski zahtjevi revolucije umjetne inteligencije povećavaju pritisak da se nova tehnologija uvede u stvarni svijet.

Trenutni sistemi i platforme postoje prvenstveno kao istraživački alati, ali zagovornici kažu da bi mogli pružiti ogromne dobitke u energetskoj efikasnosti,

Među onima sa komercijalnim ambicijama su hardverski divovi poput Intela i IBM-a.

Na sceni je i nekoliko malih kompanija. „Prilika se čeka na kompaniju koja to može shvatiti“, kaže Dan Hutcheson, analitičar u TechInsights. “[I] prilika je takva da bi to mogao biti ubica Nvidie”.

U maju je SpiNNcloud Systems, spin-out Tehnološkog univerziteta u Drezdenu, najavio da će po prvi put početi s prodajom neuromorfnih superkompjutera i prima prednarudžbe.

„Došli smo do komercijalizacije neuromorfnih superkompjutera ispred drugih kompanija“, kaže Hector Gonzalez, njen ko-izvršni direktor.

To je značajan napredak, kaže Tony Kenyon, profesor nanoelektronskih i nanofotonskih materijala na Univerzitetskom koledžu u Londonu koji radi na tom polju.

“Postoji mnogo područja u kojima će neuromorfno računarstvo pružiti značajne dobitke u energetskoj efikasnosti i performansama, i siguran sam da ćemo početi da vidimo široko usvajanje tehnologije kako bude sazrijevala,” On kaže.

Neuromorfno računarstvo pokriva niz pristupa – od jednostavnog pristupa inspirisanog mozgom, do skoro potpune simulacije ljudskog mozga (kojem zapravo nismo ni blizu).

Ali postoje neke osnovne karakteristike dizajna koje ga izdvajaju od konvencionalnog računarstva.

Prvo, za razliku od konvencionalnih računara, neuromorfni računari nemaju odvojenu memoriju i jedinice za obradu. Umjesto toga, ti se zadaci izvode zajedno na jednom čipu na jednoj lokaciji.

Uklanjanje te potrebe za prenosom podataka između njih smanjuje potrošnju energije i ubrzava vrijeme obrade, napominje profesor Kenyon.

Takođe uobičajen može biti pristup računarstvu vođen događajima.

Za razliku od konvencionalnog računarstva gde je svaki dio sistema uvijek uključen i dostupan za komunikaciju sa bilo kojim drugim dijelom sve vrijeme, aktivacija u neuromorfnom računarstvu može biti rijeđa.

Imitacije neurona i sinapsi aktiviraju se samo u trenutku kada imaju nešto da komuniciraju, na isti način na koji veliki broj neurona i sinapsi u našem mozgu aktiviraju samo tamo gdje postoji razlog.

Rad samo kada postoji nešto za obradu takođe štedi energiju.

I dok su moderni računari digitalni – koristeći 1 ili 0 za predstavljanje podataka – neuromorfno računarstvo može biti analogno.

Historijski važno, ta metoda računanja se oslanja na kontinuirane signale i može biti korisna tamo gdje je potrebno analizirati podatke koji dolaze iz vanjskog svijeta.

Međutim, iz razloga lakoće, većina komercijalno orijentiranih neuromorfnih napora je digitalna.

Predviđene komercijalne aplikacije dijele se u dvije glavne kategorije.

Jedan, na koji je SpiNNcloud fokusiran, je pružanje energetski efikasnije platforme sa većim performansama za AI aplikacije – uključujući analizu slika i videa, prepoznavanje govora i modele velikih jezika koji pokreću chat botove kao što je ChatGPT.

Drugi je u aplikacijama za “rubno računanje” – gdje se podaci ne obrađuju u oblaku, već u realnom vremenu na povezanim uređajima, ali koji rade na ograničenjima snage. Autonomna vozila, roboti, mobilni telefoni i nosiva tehnologija bi mogli imati koristi.

Međutim, tehnički izazovi ostaju. Dugo se smatralo glavnim kamenom spoticanja za napredak neuromorfnog računarstva općenito je razvoj softvera potrebnog za rad čipova.

Iako je posjedovanje hardvera jedna stvar, on mora biti programiran da radi, a to može zahtijevati razvoj od nule potpuno drugačijeg stila programiranja od onog koji koriste konvencionalni računari.

„Potencijal ovih uređaja je ogroman… problem je kako ih natjerati da rade“, rezimira gospodin Hutcheson, koji predviđa da će proći najmanje decenija, ako ne i dvije, prije nego što se dobrobiti neuromorfnog računarstva zaista osjete.

Postoje i problemi sa troškovima. Bilo da koriste silicijum, kao što to rade komercijalno orijentisani napori, ili druge materijale, stvaranje radikalno novih čipova je skupo, primjećuje profesor Kenyon.

Intelov trenutni prototip neuromorfnog čipa zove se Loihi 2.

U aprilu je kompanija objavila da je okupila njih 1.152 kako bi stvorila Hala Point, veliki neuromorfni istraživački sistem koji se sastoji od više od 1,15 milijardi lažnih neurona i 128 milijardi lažnih sinapsi.

Sa kapacitetom neurona koji je otprilike jednak mozgu sove, Intel tvrdi da je to najveći svjetski sistem do sada.

Trenutno je to još uvijek istraživački projekat za Intel.

„[Ali Hala Point] pokazuje da postoji stvarna održivost za aplikacije koje koriste AI“, kaže Mike Davies, direktor Intelove laboratorije za neuromorfno računarstvo.

Približno veličine mikrotalasne pećnice, Hala Point je „komercijalno relevantan“ i „brz napredak“ se postiže na strani softvera, kaže on.

IBM svoj najnoviji prototip čipa inspirisan mozgom naziva NorthPole.

Predstavljen prošle godine, to je evolucija njegovog prethodnog TrueNorth prototipa čipa. Testovi pokazuju da je energetski efikasniji, prostorno efikasniji i brži od bilo kojeg čipa koji je trenutno na tržištu, kaže Dharmendra Modha, glavni naučnik kompanije za računarstvo inspirirano mozgom. On dodaje da njegova grupa sada radi na tome da pokaže da se čipovi mogu spojiti zajedno u veći sistem.

„Put do tržišta će biti priča koja dolazi“, kaže on. Jedna od velikih inovacija sa NorthPole-om, napominje dr Modha, jeste to što je dizajniran zajedno sa softverom tako da se pune mogućnosti arhitekture mogu iskoristiti od samog početka.

Druge manje neuromorfne kompanije uključuju BrainChip, SynSense i Innatera.

Superkompjuter SpiNNcloud komercijalizuje neuromorfno računarstvo koje su razvili istraživači sa TU Drezden i Univerziteta u Mančesteru, pod okriljem EU projekta za ljudski mozak.

Ti napori su rezultirali stvaranjem dva neuromorfna superkompjutera istraživačke namjene: mašina SpiNNaker1 sa sjedištem na Univerzitetu u Manchesteru, koja se sastoji od preko milijardu neurona, a operativna je od 2018.

Druga generacija SpiNNaker2 mašine u TU Drezdenu, koja je trenutno u procesu konfigurisanja, ima kapacitet da emulira najmanje pet milijardi neurona. Komercijalno dostupni sistemi koje nudi SpiNNcloud mogu dostići još veći nivo od najmanje 10 milijardi neurona, kaže Gonzalez.

Budućnost će biti jedna od različitih tipova računarskih platformi – konvencionalnih, neuromorfnih i kvantnih, što je još jedan novi tip računarstva koji je takođe na vidiku – sve će raditi zajedno, kaže profesor Kenyon, piše BBC.