Una nuova architettura per una nuova era tecnologica

L’evoluzione delle CPU ci ha permesso di raggiungere un’elevata potenza di calcolo, ma oggi è il momento di fare un passo avanti verso una nuova architettura, come i chip neuromorfici.

I chip neuromorfici sono progettati per imitare le funzioni dei neuroni in una vasta gamma di modi, ad esempio eseguendo molte operazioni in parallelo. Inoltre, proprio come i neuroni biologici, computano e immagazzinano dati, in più l’hardware neuromorfico mira a unificare i processori e la memoria, al contrario dell’approccio di Von Neumann (proprio dei tradizionali processori), che invece li tiene separati. Così facendo si risparmia potenzialmente energia e tempo spesi per trasferire dati tra questi componenti. Inoltre, a differenza dei microchip tradizionali, che utilizzano segnali di clock emessi a intervalli regolari per coordinare le operazioni dei circuiti, l’attività dell’architettura neuromorfica spesso agisce in modalità spike, cioè innescata solo quando una carica elettrica raggiunge un valore specifico, molto simile a quanto accade nel nostro cervello.

von neuman architecture vs neuromorphic

I ricercatori hanno integrato i circuiti neuromorfici con l’informatica analogica, che è in grado di elaborare segnali continui come i veri neuroni, per renderli ancora più simili al cervello. I chip risultanti sono sostanzialmente diversi dall’attuale architettura di computer solo digitali e dalle modalità di calcolo, che si basano sull’elaborazione di segnali binari di 0 e 1.

I chip neuromorfici hanno il potenziale per ridurre il consumo di energia dei processi di calcolo ad alta intensità di dati come le I.A. Sfortunatamente, gli algoritmi di I.A. non hanno funzionato bene con le versioni analogiche di questi chip a causa di un problema noto come device mismatch, cioè a causa del processo di produzione, i componenti microscopici all’interno dei neuroni analogici sul chip sono di dimensioni non corrispondenti, e i singoli chip non sono abbastanza sofisticati per condurre le procedure di training più aggiornate. Quindi gli algoritmi devono essere prima addestrati digitalmente sui computer.

Ora, un documento pubblicato sulla rivista Proceedings of the National Academy of Sciences ha individuato una soluzione al problema. Friedemann Zenke dell’Istituto Friedrich Miescher per la ricerca biomedica e Johannes Schemmel dell’Università di Heidelberg hanno guidato un team di ricercatori che ha dimostrato che un algoritmo di intelligenza artificiale noto come rete neurale spiking, che utilizza un segnale di comunicazione separato del cervello, noto come spike, potrebbe imparare a compensare la mancata compatibilità del dispositivo e funzionare con il chip.

Il fatto che questi chip richiedano molta meno energia per eseguire algoritmi di A.I. è cruciale. Il chip neuromorfico di IBM, per esempio, ha cinque volte i transistor di un processore Intel convenzionale, ma usa solo 70 milliwatt di elettricità. Un processore Intel consumerebbe da 35 a 140 watt di potenza, o fino a 2000 volte di più.

Tutti i computer neuromorfici su larga scala sono basati sul silicio e implementati utilizzando la tecnologia convenzionale dei semiconduttori a ossido metallico complementare; tuttavia, la comunità neuromorfica sta investendo molto nello sviluppo di nuovi materiali per implementazioni neuromorfe, come i materiali a cambiamento di fase, ferroelettrici, non filamentosi, isolanti topologici, o biomembrane drogate con canali. L’uso di memristori come dispositivi fondamentali per avere una memoria resistiva per collocare l’elaborazione e la memoria è una strategia prominente nella letteratura, ma anche altri tipi di dispositivi, come quelli optoelettronici, sono stati impiegati per costruire computer neuromorfici. Ogni dispositivo e materiale usato per costruire computer neuromorfici ha il proprio set di caratteristiche operative, come la velocità di esecuzione, la quantità di energia che consuma e quanto si avvicini alla biologia. La varietà di dispositivi e materiali usati per implementare l’hardware neuromorfo oggi offre l’opportunità di personalizzare le proprietà richieste per una data applicazione.

Tuttavia, i chip neuromorfici non sono nuovi, il concetto risale agli anni ’80. Tuttavia, allora, i progetti richiedevano l’integrazione di alcuni algoritmi all’interno del semiconduttore stesso. Questo significava che un chip sarebbe stato utilizzato per rilevare il movimento e un altro per rilevare il suono. Nessuno dei chip funzionava come la nostra corteccia intesa come processore generale.

Questo in parte perché non c’è stato modo per i programmatori di progettare algoritmi che possano fare molto con un chip di uso generale. Costruire algoritmi per questi circuiti simili al cervello è rimasta una sfida anche mentre venivano creati.

Nengo, un compilatore che permette agli sviluppatori di creare i propri algoritmi per applicazioni di intelligenza artificiale che girano su hardware neuromorfo generico, è al centro di queste iniziative. L’utilità di Nengo deriva dal suo uso del noto linguaggio di programmazione Python, che è noto per la sua sintassi chiara, così come la sua capacità di eseguire algoritmi su una vasta gamma di piattaforme hardware, compresi i circuiti neuromorfici. Chiunque conosca Python sarà presto in grado di creare potenti reti neurali per la tecnologia neuromorfica.

Forse il sistema più impressionante costruito utilizzando il compilatore è Spaun, un progetto che nel 2012 ha guadagnato il plauso internazionale per essere il modello di cervello più complesso mai simulato su un computer. Spaun ha illustrato come i computer possono interagire perfettamente con l’ambiente circostante ed eseguire compiti cognitivi simili a quelli umani, come il riconoscimento delle immagini e il controllo di un braccio robotico che registra ciò che vede. La macchina non era perfetta, ma è stata un’impressionante dimostrazione di come i computer possono ridurre il divario tra la cognizione umana e quella delle macchine in futuro. La maggior parte di Spaun è stata recentemente eseguita 9000 volte più velocemente sull’hardware neuromorfico, usando meno energia di quanto farebbe su CPU convenzionali, ed entro la fine del 2017, Spaun funzionerà completamente su hardware neuromorfico.

Con l’emergere della neuromorfica e di strumenti come Nengo, potremmo presto avere un’intelligenza artificiale in grado di mostrare un grado di intelligenza naturale sorprendente proprio sui nostri telefoni.

Questa rivoluzione a livello di hardware, unita a quella software degli algoritmi di I.A. avrà così esiti difficili da immaginare sia in positivo che in negativo.

Fonte wired.co.uk