Что такое нейроморфные вычисления и каково будущее этой технологии?

Американская консалтинговая компания Gartner в 2024 году назвала нейроморфные вычисления одной из самых перспективных технологий будущего. В первую очередь это связано с тем, что она дает возможность преодолеть два главных ограничения в развитии ИИ — постоянно растущую потребность в электроэнергии и дефицит чипов.

Нейроморфные вычисления в перспективе способны существенно снизить энергопотребление при обучении и использовании ИИ, а также повысить потенциал его масштабирования. Всё это благодаря тому, что в качестве основы для разработки этой технологии используется самый эффективный вычислительный механизм на Земле — человеческий мозг.

Нейроморфные вычисления — это подход к проектированию аппаратного обеспечения и алгоритмов, при котором разработчики стремятся имитировать работу мозга. Конечно, речь не о физической имитации: данный концепт не подразумевает создание роботизированной копии черепной коробки, наполненной синтетическими нейронами и искусственным серым веществом.

Идея в том, что по сравнению с традиционными компьютерами человеческий мозг потребляет крайне мало энергии — при этом он способен эффективно решать задачи даже при наличии неоднозначных или плохо определённых данных. Поэтому учёные разрабатывают все уровни вычислительной системы так, чтобы они работали по схожим принципам и таким образом обеспечивали близкую эффективность вычислений.

Первые исследования в области нейроморфных вычислений начались ещё в 1980-х годах. Тогда учёные Миша Махоулд и Карвер Мид опубликовали одну из первых работ на эту тему. В честь первой из них даже была учреждена премия для признания выдающихся достижений в изучении нейроморфных вычислений.

На данном этапе существует два основных направления в исследовании этой технологии. В первом из них учёные пытаются воспроизвести поведение синапсов и нейронов человеческого мозга. Во втором исследователи стараются адаптировать концептуальные принципы обработки и хранения информации в мозге для создания более эффективных вычислительных систем.

Чтобы разобраться с тем, как работают нейроморфные вычисления, нам придётся немного освежить знания о механизме, лежащем в основе мозговой активности. Ключевую роль в работе мозга играют нейроны — они принимают, обрабатывают, хранят и передают информацию между различными областями мозга и частями тела.

Когда нейрон активируется (на английском этот процесс называется spike), он отправляет химические и электрические импульсы, которые распространяются через сеть соединений (или синапсов). Это позволяет нейронам взаимодействовать друг с другом и передавать команды.

Как раз подобный механизм взаимодействия моделируется и в нейроморфных вычислениях через так называемые импульсные или спайковые нейронные сети (Spiking Neural Network, SNN). Они представляют собой третье поколение искусственных нейронных сетей и с физиологической точки зрения являются самой реалистичной моделью.

Такая сеть состоит из спайковых нейронов — они, так же, как и в человеческом мозге, занимаются обработкой и хранением данных — и синапсов. Последние создают пути между нейронами. Обе составляющие SNN обладают несколькими программируемыми параметрами. В случае нейронов речь идёт о зарядах, задержках и пороговых значениях, после достижения которых происходит импульс. Синапсы характеризуются задержками и весами.

Сочетание этих параметров делает импульсные нейронные сети уникальными и позволяет им быть обучаемыми, учитывать временной аспект в их работе, а также быть событийно-управляемыми. Последнее означает, что значения задержки нейронов и синапсов позволяют асинхронно распространять информацию.

Экспериментами по созданию аппаратного обеспечения на основе принципов нейроморфных вычислений занимаются в IBM, Intel, Стэнфордском университете и ряде других компаний и исследовательских лабораторий. На данном этапе, в силу резко возросшей потребности в продвинутых ИИ-чипах, часть компаний сосредотачивается на адаптации нейроморфных вычислений для создания таких полупроводников.

Например, BrainChip в 2023 году представила второе поколение своих процессоров Akida. Они отличаются ультранизким энергопотреблением, при этом позволяют запускать сложные ИИ-приложения прямо на устройстве без обращения к облаку.

Как заявляет главный аналитик маркетинговой и консалтинговой исследовательской компании в области полупроводников Semico Research, Ричард Вавжиняк:

«Прогресс в области ИИ требует одновременного развития возможностей обучения непосредственно на устройствах и преодоления таких вызовов, как эффективность, масштабируемость и задержки. BrainChip продемонстрировала способность создать по-настоящему интеллектуальное решение для пограничных устройств с помощью Akida».

На практике Akida и другие подобные чипы могут использоваться для создания умных устройств со встроенными ИИ-функциями. Принципиальная инновация состоит в том, что в таких устройствах информация будет обрабатываться непосредственно на них, без передачи данных в облако. В перспективе это позволит совершить прорыв в сфере медицины и диагностики, а также робототехники и интернета вещей.

В 2023 году рынок нейроморфных вычислений составил $5,28 млрд, а к 2030 году прогнозируется его рост до $20,27 млрд при среднегодовом темпе роста (CAGR) 21,2%. Среди основных сфер применения этой технологии аналитики выделяют глубокое обучение, разработку чипов нового поколения, а также автономные системы, включая робототехнику, дроны, беспилотные автомобили и ИИ.

В перспективе нейроморфные вычисления смогут существенно повысить энергоэффективность современных устройств и увеличить их производительность. Кроме того, эта технология открывает дорогу для параллельной обработки — теоретически нейроморфные устройства способны выполнять столько задач, сколько нейронов есть в системе в данный момент.

Тем не менее, несмотря на перспективные возможности и преимущества, нейроморфные вычисления пока остаются технологией, которая находится на стадии активного развития и сталкивается с рядом серьёзных вызовов.

На данном этапе разработки среди основных проблем, с которыми сталкиваются исследователи, выделяют мультидисциплинарность технологии. В своей основе она объединяет биологию, информатику, электронную инженерию, математику, нейронауки и физику. Поэтому работать над ней могут только уникальные специалисты, а объяснить её суть простыми словами почти невозможно (хотя мы и попытались в нашей статье).

Другая проблема в разработке нейроморфных вычислений — ограниченная доступность специализированных API, моделей кодирования и языков программирования. Сейчас такого ПО либо в принципе не существует, либо к нему нет доступа у широкого круга лиц.