सीईए Leti मुख्य वैज्ञानिक बारबरा डी Salvo हालांकि देखते हैं कई वैज्ञानिकों और इंजीनियरों बहुत इस अवधारणा में रुचि रखते रहे हैं ने कहा कि के बाद से 1950 के मध्य, कृत्रिम बुद्धि (AI) लगा,, लेकिन ऐ पर अनुसंधान मोड़ और बारी-बारी से है।
हालांकि, अब समय गंभीरता से कम से कम प्रेरित मानव मस्तिष्क प्रौद्योगिकी को देखने के लिए है, इस साल के अंतर्राष्ट्रीय ठोस राज्य सर्किट सम्मेलन में 'हम एहसास होना चाहिए वहाँ वर्तमान मॉडल के लिए अन्य तकनीकों हैं कि, अच्छा सवाल पूछने के लिए हमें मदद मिलेगी।' डी Salvo (ISSCC) के बाद साक्षात्कार में "EE टाइम्स" को स्वीकार करने के लिए कि एक मुख्य भाषण देने 'अगर कोई नया आपरेशन मॉडल और कलन विधि है, उद्योग अंत में मुश्किल और अधिक कठोर बिजली की जरूरतों को प्राप्त करने के लिए किया जाएगा।'
उद्योग में इस तरह के 2, Mobileye के EyeQ5, और असंख्य के जेवियर एनवीडिया के Movidius के रूप में एम्बेडेड प्लेटफार्मों, धक्का ऐ कर दिया गया है, लेकिन आदेश किनारों (धार) विश्लेषण की एक बड़ी संख्या को संभालने में कम बिजली खपत के साथ टर्मिनल डिवाइस की जरूरतों को पूरा करने के लिए, उसने कहा: ' हम जो हासिल करना चाहते हैं, उससे हम एक लंबा रास्ता हैं। "
डी सेल्वो एक प्रमुख भाषण के दौरान कोरियरी चरण की जटिलता (जीओपीएस / डब्ल्यू) और कई ऐ चिप्स के गोप्स की तुलना करता है।
उन्होंने कहा कि उद्योग और मौजूदा समाधानों की ज़रूरतों के बीच अब भी एक बड़ा अंतर है। 'कोई चिप्स नहीं - यह वाणिज्यिक रिलीज, प्रोटोटाइप, डिजाइन के लिए चिप्स या डिज़ाइन में विकास - 100 मेगावाट से कम देने में सक्षम हैं हालांकि, यह वास्तव में किन किनारे उपकरणों को प्राप्त करने की आवश्यकता है क्योंकि आने वाले वर्षों में उन्हें ऊर्जा संचयन या लघु बैटरी पर भरोसा करना पड़ता है।
क्यों मानव मस्तिष्क अनुसंधान पर वापस लौटें?
डी सल्वो ने कहा कि हम जानते हैं कि मानव मस्तिष्क का शरीर का लगभग 2% वजन होता है, फिर भी शरीर के चयापचय के 20% का उपयोग करता है।
मानव मस्तिष्क 20 डब्लू डी डी सल्वो में 1,011 जीओपीएस पर जोर देती है कि अब तक, दुनिया में कोई प्रोसेसर नहीं है जो मानव मस्तिष्क के लिए तुलनात्मक प्रदर्शन और शक्ति है।
डी सल्वा ने बताया कि ऊर्जा दक्षता वर्ग मानव विकास के दौरान एक लंबे समय से विकसित हुआ है, ऊर्जा उपयोग को कम करते हुए मस्तिष्क समारोह को अधिकतम किया गया है।
इस अर्धचालक उद्योग जीवविज्ञान विभाग से सीखना है। वह कहा जो परंपरागत कंप्यूटिंग आर्किटेक्चर बिजली जरूरतों को पूरा करने के लिए प्रतिबद्ध हैं जिसका मुख्य कारण इसके विपरीत 'प्रोसेसर और स्मृति संचार ऊर्जा। उपभोग करने के लिए की जरूरत है, जब भी', मस्तिष्क synapses एक भी वास्तुकला में स्मृति और कंप्यूटिंग में शामिल हैं। उन्होंने स्पष्ट किया है कि मस्तिष्क से प्रेरित गैर वॉन न्यूमैन (गैर वॉन न्यूमैन) कंप्यूटर वास्तुकला के लिए इस सरल तकनीक नींव प्रदान करता है।
मस्तिष्क को प्रेरित किया, कि एन्कोडिंग spikes के रूप में अपनी प्रकृति के संचालन सिद्धांत के लिए (कोडिंग स्पाइक) और समय संबंधित प्लास्टिसिटी कीलें (कील-समय पर निर्भर प्लास्टिसिटी; STDP) उन्होंने कहा कि कोडिंग प्रणाली को ध्यान में रखते न्यूरॉन्स के राज्यों के लिए तत्वों की तरह। :;: "न्यूरॉन्स कोई घड़ी है, जो विशुद्ध रूप से कार्यक्रम चालित है अतीत में, एनालॉग या संख्यात्मक एन्कोडिंग का उपयोग न्यूरॉन्स आज, neuromorphic नवीनतम प्रवृत्ति कंप्यूटिंग न्यूरॉन नाड़ी या spikes के मूल्य उसने समझाया एन्कोड करना है। के। '
वैज्ञानिक समुदाय का मानना है कि स्पाइक कोडिंग और एसटीडीपी ने वादा किया है। इनपुट / आउटपुट सिग्नल को एक नाड़ी (स्पाइक) द्वारा प्रदर्शित किया जाता है, तो इनपुट सिग्नल और अन्तर्ग्रथनी वजन के बीच गुणा सिंटैप्टिक स्तर पर गेट पर गिर जाएगा। spikes या एक संकेत के आधार पर एक घटना दिखा रहा है, जिससे बिजली की खपत को कम करने का उपयोग कर विषम निर्माण कार्यक्रमों के माध्यम से इस लक्ष्य में।
चाहे इस घटना पर ही आधारित छवि प्रसंस्करण तकनीकों का Chronocam विकास की तरह है उसने कहा:। 'हाँ, लेकिन, Chronocam समाधान कृत्रिम रेटिना को लागू किया जा करने के लिए "दृश्य" हमारा मिशन उद्योग neuromorphic सिद्धांतों हो रहा है। बाहर से परे दृश्य क्षेत्र के पूरे ऑपरेशन के लिए बढ़ा दिया। '
डी Salvo कहा, आईबीएम की TrueNorth neuromorphic चिप CMOS गतिशील neuromorphic का एक आदर्श उदाहरण है वर्तमान में एफडी SOI स्केलेबल विषम सीखने (DynapSEL) प्रोसेसर का निर्माण 28nm, एक बड़े पैमाने पर neuromorphic मल्टी कोर प्रोसेसर है एक और उदाहरण। DynapSEL NeuRAM वर्तमान में विकास योजना 3 यूरोपीय अनुसंधान परियोजना के सहयोग से एक है।
डिजिटल रूप में TrueNorth न्यूरॉन्स संसाधित, और DynapSEL सादृश्य है। हालांकि, इन दो चिप्स नहीं प्रभावी रूप से पूरी तरह कार्यात्मक neuromorphic प्रणाली, क्योंकि स्मृति तंत्रिका प्रपत्र के कामकाज के सिद्धांत पर आधारित नहीं है।
वैज्ञानिक समुदाय अपनी पूरी क्षमता के लिए 'स्मृति आपरेशन' (में स्मृति कंप्यूटिंग) तिथि करने के लिए, neuromorphic हार्डवेयर प्राप्त करने के लिए अभी तक पूरी तरह से पारंपरिक श्रेणीबद्ध स्मृति वास्तुकला बदल गया है, एक प्रोसेसिंग यूनिट स्मृति बंद करने के लिए कोशिश कर रहा है, और, डी Salvo ने कहा: ' हम, अति उच्च घनत्व 3 डी वास्तुकला neuromorphic गणना 'का उपयोग करने के क्रम में न्यूरॉन्स और synapses के बीच अधिकतम कनेक्टिविटी और reconfigurability प्राप्त करने के लिए की जरूरत है।
कीट मस्तिष्क
हम अब मानव मस्तिष्क के लिए जाना जाता 100 अरब न्यूरॉन्स, और उनके दिमाग के आकार के बारे में 1 मिमी घन में मधुमक्खियों की तरह अन्य स्मार्ट कीड़े है, वहाँ 950,000 न्यूरॉन्स रहे हैं। डी Salvo कीड़े की एक किस्म में कहा, मधुमक्खी मस्तिष्क सबसे बड़ा है उसने कहा: 'हम मानव मस्तिष्क की तंत्रिका युआन खराब समझ के लिए मधुमक्खियों के मस्तिष्क मानचित्रण में न्यूरॉन्स समझ है, तथापि, कर पाए हैं।'
वैज्ञानिकों, मधुमक्खी मस्तिष्क काटना करने के लिए उत्सुक हैं, क्योंकि 'मधुमक्खी बहुत स्मार्ट है।' बी 'में कई अपने नेविगेशन के माध्यम से चारा करने में सक्षम सेंसर कर रहे हैं, और एक समूह में संवाद करने के लिए कैसे पता है। एक समूह में साथ रहते हैं करने के लिए, मधुमक्खियों चाहिए मधुमक्खियों के अन्य सुविधाओं को जानते हैं। '
'बेशक, मधुमक्खी का मस्तिष्क छोटा है, लेकिन इसकी सरल रूप से एआई प्रणाली के लिए एक अच्छा मॉडल प्रदान करता है,' डी साल्वो ने कहा: 'यह एक व्यवस्थित तरीके से सोचने की जरूरत पर ज़ोर देता है क्योंकि यह जीव संवेदक से सिग्नल अलग नहीं करता है प्रक्रिया। '
एआई नवीनतम प्रगति?
दस साल पहले, कोई ऐसा ऐलान नहीं कर सकता था कि हम अब ऐ में देख रहे हैं।
हालांकि, डी सेल्वो के मुताबिक, उद्योग एआई की संभावना की वजह से एआई ऐप्लिकेशंस पर अपना ध्यान केंद्रित कर सकता है, वास्तव में उसने कहा: 'अभी भी गहरी शिक्षा की तरह ही एआई सिस्टम की पूरी समझ की कमी है।'
उन्होंने समझाया कि गहरी शिक्षा और छलनी प्रणाली की जटिलता में छिपी हुई व्यवस्था है जिससे यह कहना मुश्किल हो जाता है कि प्रदर्शन में सुधार के लिए कौन-सी विशेषताओं की ज़िम्मेदारी है। "सामान्य बुद्धि, सीखने, अमूर्त और तर्क के मुकाबले प्राप्त प्रसार अभी भी बहुत सीमित है।
दीप सीखने वर्गीकरण के मामले में बहुत अच्छा है, लेकिन 'पूर्वानुमान अभी भी तंत्रिका गणना की बुनियादी समस्या है, तो डी Salvo ने कहा:' हाल ही में, तंत्रिका नेटवर्क विफलता तब होता है जब, सरल कार्य करते हुए मानव जाति को इस संबंध में याद किया नहीं किया है। 'डी (गहरी तंत्रिका नेटवर्क आसानी से मूर्ख बनाया जाता है: न पहचाना गया छवियों के लिए उच्च विश्वास भविष्यवाणियों): Salvo और संदर्भ ए गुयेन एट अल की 'उच्च विश्वास पूर्वानुमान की छवि को पहचानने नहीं करने के लिए गहरी तंत्रिका नेटवर्क मूर्ख बनाया जा करने के लिए आसान है' कागज, वह उस चिंतित अंत में बाजार के विकास में बाधा होगा, भले 'उन का विश्वास को धोखा दिया, गंभीर नैतिक पूछने को जन्म दे रही'।
संकलित करें: सुसान हाँग