Микрочипы постепенно приближаются к человеческому мозгу

НаукаHi-Tech

Искусственный интеллект и нейроморфные вычисления: второе дыхание

В 1950–1960 годах, когда первые компьютеры начали появляться в крупных компаниях, ученые пытались моделировать строение мозга с помощью алгоритмов искусственного интеллекта (ИИ). Но всерьез о возможностях ИИ заговорили только ближе к концу XX века, когда Гарри Каспаров в 1997 году проиграл в шахматы суперкомпьютеру IBM Big Blue.

Юлия Сандомирская, старший научный сотрудник в лаборатории нейроморфных вычислений Intel Labs

Компактная нейроморфная USB-система Kapoho Bay с 262 тыс. нейронов

Существенные изменения произошли в 2010х годах, когда ИИ на базе нейронных сетей обучили делать выводы на основе анализа данных после предвари тельной «тренировки». Сегодня такие системы применяются, например, для подсчета пассажиров в автобусе или фиксации номера автомобиля нарушителя ПДД. Даже смартфоны со временем обзавелись ИИ — например, для обработки изображений или видео.

Согласно прогнозам компании IDC, выручка глобального рынка технологий ИИ, включая программы, оборудование и услуги, по итогам 2021 года достигнет $327,5 млрд, и уже в 2024 году превысит $500 млрд. В России аналитики IDC оце нили рынок ИИ по итогам 2020 года в $291 млн.

Современные технологии ИИ прогрессируют с большой скоростью, но все еще значительно уступают «естественному» интеллекту: человеческий мозг универсальнее, лучше обучаем, более гибок в анализе и принятии решений на основе разрозненной и неполной информации, к тому же потребляет значительно меньше энергии.

Следующее поколение технологий ИИ, над которым, в частности, работа ют в Intel Labs (научно-исследовательское подразделение компании, которое изучает перспективные идеи работы с данными), будет использовать алгоритмы, более точно имитирующие работу биологического мозга, в том числе в части интерпретации (трактовки в правильном кон тексте) и автономной адаптации (улуч шенное представление данных без взаимодействия с внешней средой) для реагирования на непредвиденные ситуации и различные абстракции.

Нейроморфные вычисления на основе цифровых нейронов, применяемые для этих целей, довольно точно моделируют поведение своих биологических аналогов. Вместе с вероятностными алгоритмами обработки неопределенных и про тиворечивых данных они являются одним из наиболее перспективных вариантов развития ИИ. Сегодня нейроморфные вычисления все еще на стадии исследований, однако им предсказывают большое будущее. Например, по прогнозу iMicronews, только в США этот рынок ожидает рост с $69 млн в 2024 году до $5 млрд в 2029 году и $21,3 млрд к 2034 году.

Механизм работы нейроморфных вычислений

Сегодня для ускорения работы ИИ используются отдельные микросхемы или модули процессоров, чипы для глубокого машинного обучения или отдельных функций — например, для машинного зрения, а также видео карты, архитектура которых, в частности, справляется с параллельными вычислениями лучше центральных процессоров.

Все эти примеры далеки от нейроморфных вычислений, поскольку построены на традиционной последовательной вычислительной архитектуре фон Неймана с разделенным процессором и памятью. Ней роны мозга, в свою очередь, способны и хранить, и обрабатывать информацию.

Нейроморфные процессоры, создаваемые на стыке биологии, физики, математики, информатики и полупроводникового производства, строятся из привычных транзисторов, но с иной организацией архитектуры, подобно строению нейронов биологического мозга. По аналогии с биологическим образцом искусственный нейрон имеет один выход (аксон), сигнал с которого может поступать на большое количество входов других нейронов и тем самым изменять их состояние.

Искусственные нейроны объединяются по модели импульсных ней ронных (спайковых) сетей (Spiking neural network, SNN), особенно стью которых является передача данных с помощью разнесенных по времени коротких импульсов равной амплитуды, а не за счет меняю щихся по времени значений, как в нейросетях предыдущих поколе ний. Благодаря кодированию данных импульсами и временными промежутками между ними импульсные нейросети моделируют естественные процессы передачи сигналов, которые также управляют процессами обучения с динамическим переназначением синапсов между нейронами в ответ на стимулы.

Нейросеть класса SNN обеспечивает крайне высокую скорость и производительность, а ее структура может обучаться непосредственно во время работы. Она может обрабатывать динамические задачи — например, рас познавать запахи, речь или изображения в видеоряде. Многозадачность спайковых нейронных сетей позволяет обучать группы нейронов для решения различных проблем и осуществлять распознавание с предсказанием по неполным данным.

В настоящее время изучением вопросов применения импульсных нейросетей для моделирования функций мозга занимается множество науч ных групп и компаний во всем мире. Корпорация Intel вместе с экосистемой партнеров решает задачи в области нейроморфных вычислений комплексно — от фундаментальных теоретических разработок и создания алгоритмов до разработки и производства нейроморфных процес соров.

Авторизуйтесь, чтобы продолжить чтение. Это быстро и бесплатно.

Регистрируясь, я принимаю условия использования

Рекомендуемые статьи

Силой мысли, или что обещает нам Илон Маск Силой мысли, или что обещает нам Илон Маск

Чего же Маск хотел в сфере нейроинтерфейсов, что сделал и что сможет сделать

Популярная механика
«Пошлая Молли», BTS и Моргенштерн: Spotify назвал самых популярных музыкантов года в разных жанрах «Пошлая Молли», BTS и Моргенштерн: Spotify назвал самых популярных музыкантов года в разных жанрах

Самые популярные у россиян исполнители в Spotify

Esquire
Электрический сноуборд Электрический сноуборд

Настало время познакомиться с модным зеленым сноубордом ELIQ на электротяге

Популярная механика
Древние сибиряки из Прибайкалья оказались рыболовами и охотниками на нерп Древние сибиряки из Прибайкалья оказались рыболовами и охотниками на нерп

Биоархеологи исследовали останки людей из могильника Шаманка-II

N+1
Олимпийские инновации 24-26-28 Олимпийские инновации 24-26-28

Какие новые виды спорта мы увидим на Играх в 2024–2028 годах, чем они интересны?

ТехИнсайдер

Будь аккуратен со своими желаниями

Playboy
Как Египет заработал на раскопки Как Египет заработал на раскопки

Гробница KV 62 остается единственным не разграбленным погребением в Долине Царей

Наука
«Корабль дураков» Дмитрия Крымова «Корабль дураков» Дмитрия Крымова

О творческом методе Дмитрия Крымова размышляет Алла Боссарт

СНОБ
X-treme 105 X-treme 105

Яхта X-treme 105 вряд ли оставит кого-то равнодушным

Y Magazine
Шарик бриллиантовый, ваш! Шарик бриллиантовый, ваш!

Свяжите ёлочные шары, и других таких не будет ни у кого!

Наука и жизнь
Анна Хилькевич: «Я готова сниматься в «Универе» всю жизнь!» Анна Хилькевич: «Я готова сниматься в «Универе» всю жизнь!»

Актриса рассказала о съемках в сериале «Универ.10 лет спустя» и секретах красоты

Cosmopolitan
Первый роман Тарантино и новый Памук: 10 книг зимы Первый роман Тарантино и новый Памук: 10 книг зимы

Книги, которые действительно заслуживают нашего внимания

РБК
Уилл Смит: Will. Честная автобиография о превращении простого мальчишки из Филадельфии в кинозвезду Уилл Смит: Will. Честная автобиография о превращении простого мальчишки из Филадельфии в кинозвезду

Отрывок из автобиографии Уилла Смита «Will» — о первых шагах к славе

СНОБ
Чаты, боты, персональные данные: как Райффайзенбанк общается с клиентами Чаты, боты, персональные данные: как Райффайзенбанк общается с клиентами

Райффайзенбанк: какую информацию собирают боты, как они общаются с клиентами?

Forbes
Гном и красавица: на ком женился самый маленький мужчина СССР Гном и красавица: на ком женился самый маленький мужчина СССР

По каким причинам Костя Морозов родился крохотным, никто не знал

Cosmopolitan
Придется пересмотреть дважды: 10 фото, от которых взрывается мозг Придется пересмотреть дважды: 10 фото, от которых взрывается мозг

Поймать такой момент специально не получится!

Cosmopolitan
Вещество из виноградных косточек предложили использовать против старения Вещество из виноградных косточек предложили использовать против старения

Вещество из винограда убивает состарившиеся клетки или тормозит их активность

N+1
Труды и дни принцессы Уэльской: почему Диана до сих пор остается кумиром в Британии Труды и дни принцессы Уэльской: почему Диана до сих пор остается кумиром в Британии

Почему Диана до сих пор остается образцом инфлюенс-маркетинга в социальной сфере

Forbes
Театр дяди Васи Театр дяди Васи

Знакомимся с хуторским колоритом в природно-ландшафтном парке Ломы

Отдых в России
ТОП-5 крошечных домов 2021 года ТОП-5 крошечных домов 2021 года

Самые интересные крошечные дома 2021 года

Популярная механика
Еда будущего: что может появиться на наших столах уже к 2030 году Еда будущего: что может появиться на наших столах уже к 2030 году

Как изменится пища на нашем столе?

Популярная механика
Механические колебания иона увидели в оптический микроскоп Механические колебания иона увидели в оптический микроскоп

Физики смогли увидеть распределение иона иттербия в пространстве

N+1
Наука побеждать Наука побеждать

По требованию Сталина сняли целый цикл картин про русских военачальников

Дилетант
Дорога в историю Дорога в историю

Туристический маршрут по подлинной истории: Талицы – Мураново – Радонеж

Отдых в России
Почему «беспощадный художник» Серов отказался писать портреты царской семьи Почему «беспощадный художник» Серов отказался писать портреты царской семьи

Серова называли беспощадным художником, и появилось это прозвище не зря

Cosmopolitan
Спасти Джорджа Флойда, или 5 компьютерных игр со странным сюжетом Спасти Джорджа Флойда, или 5 компьютерных игр со странным сюжетом

Кринжовые игры, от которых невозможно оторваться

Playboy
Грозный зовет в ночь Грозный зовет в ночь

Список из шести интересных мест, которые стоит посетить ночью в Грозном

Отдых в России
Настоящая революция в энергетике: термоядерный реактор впервые добыл больше энергии, чем затратил Настоящая революция в энергетике: термоядерный реактор впервые добыл больше энергии, чем затратил

Впервые в реакции термоядерного синтеза был достигнут рекордный выход энергии

Популярная механика
Карен Хачанов: «Когда едешь на Escalade — ты выше всех на дороге» Карен Хачанов: «Когда едешь на Escalade — ты выше всех на дороге»

Карен Хачанов рассказал о любимых автомобилях, стиле вождения и своем характере

РБК
Гагаринской тропой Гагаринской тропой

Мы отправились в Саратов, чтобы еще раз понять и оценить подвиг Юрия Гагарина

Отдых в России
Открыть в приложении