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

Квантовое превосходство Квантовое превосходство

«Квантовый компьютер – атомная бомба XX века»

ТехИнсайдер
«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
Одним махом Одним махом

Как гиперзвуковые технологии меняют мир и почему Россия «впереди планеты всей»

Популярная механика
7 правил общения с женщиной старше тебя 7 правил общения с женщиной старше тебя

Правила общения с женщиной, которая тебя старше

Maxim
Эволюция экскаваторов Эволюция экскаваторов

Строитель будущего будет управлять экскаватором не выходя из дома

Популярная механика
Эмили все еще в Париже: второй сезон сериала про моду, Францию и любовь на троих Эмили все еще в Париже: второй сезон сериала про моду, Францию и любовь на троих

Каким получился второй сезон сериала «Эмили в Париже»

Cosmopolitan
Метавселенные Метавселенные

Главная технология и тренд этого года – виртуальные вселенные, или метавселенные

Популярная механика
Состояние непокоя Состояние непокоя

Юлия Пересильд знает: люди летают, а наша планета — маленькая и хрупкая

GQ
Сталин и генералы Сталин и генералы

В отношениях с красными генералами Сталин сочетал мстительность и утилитарность

Дилетант
Дожить до ручки Дожить до ручки

Борис Филановский о новых перьях и старых играх

Weekend
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
Идет игра Идет игра

Если виртуальная реальность это будущее, для игроков в онлайн-игры оно наступило

Vogue
Почему не стоит менять полосу движения в пробке, чтобы быстрее добраться до места - ответ ученых Почему не стоит менять полосу движения в пробке, чтобы быстрее добраться до места - ответ ученых

Исследование, которое помогло объяснить, почему лучше не менять полосу в пробке

Популярная механика
Свет и блеск Достоевского Свет и блеск Достоевского

Тернистый путь, пройденный Фёдором Михайловичем Достоевским

Наука и жизнь
Под какао и мандарины: 14 рождественских фильмов на Netflix Под какао и мандарины: 14 рождественских фильмов на Netflix

Киномарафон классических (а то и приторных) праздничных фильмов

Esquire
Грустный балбес: 6 серьезных ролей Юрия Никулина Грустный балбес: 6 серьезных ролей Юрия Никулина

Картины, в которых Юлий Никулин отошел от образа весельчака и Балбеса

Esquire
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
10 признаков высокого интеллекта в обычной жизни 10 признаков высокого интеллекта в обычной жизни

Умного видно, даже если он не рассуждает о теории вероятности

Maxim
Рожденная в семье нацистов: как жила Одри Хепбёрн во время войны Рожденная в семье нацистов: как жила Одри Хепбёрн во время войны

Мало кто знает, но Одри Хепбёрн родилась в семье… нацистов. Да-да, именно так!

Cosmopolitan
Вид сверху: как и зачем кино летает над землей Вид сверху: как и зачем кино летает над землей

Фильмы о полетах и пилотах

GQ
Звезды, которые нуждаются в блефаропластике: мнение пластического хирурга Звезды, которые нуждаются в блефаропластике: мнение пластического хирурга

Кому из голливудских звезд не помешало хирургическое вмешательство

Cosmopolitan
Нас догонят Нас догонят

Иван Давыдов о сериале «След»

Weekend
Шестое чувство Шестое чувство

Психолог Ирина Млодик — об умении дружить и о том, как изменилась дружба

Seasons of life
Снукер: самый английский бильярд Снукер: самый английский бильярд

Разберемся, как играть в снукер, рассмотрим правила и особенности этой игры

Популярная механика
Очень плохие девочки: как женские банды сукэбан держали в страхе Японию Очень плохие девочки: как женские банды сукэбан держали в страхе Японию

Кто такие сукэбан, откуда они взялись и почему держали в страхе всю Японию?

Cosmopolitan
«Подкаст — это интимная история». Алекс Дубас о феномене «анны аТмаховой» и подкастинге вообще «Подкаст — это интимная история». Алекс Дубас о феномене «анны аТмаховой» и подкастинге вообще

Радиоведущий Алексей Дубасов — о новой этике, жизни радио в эру подкастов

СНОБ
Волшебная банка: вся правда о протеине Волшебная банка: вся правда о протеине

Протеин — кому, когда и сколько надо

Playboy
Неприличные удовольствия приличных людей Неприличные удовольствия приличных людей

Любимые произведения Джейн Остен, Льва Толстого, Стэнли Кубрика и других

Weekend
Ксения Раппопорт Ксения Раппопорт

Ксения Раппопорт — о режиссерах, театре и соцсетях

Собака.ru
Удивительная лазерная скульптура: Мартин Томски Удивительная лазерная скульптура: Мартин Томски

Лондонский художник Мартин Томски создает сказочные картины своими лазерами

Популярная механика
Открыть в приложении