많은 과학자와 엔지니어는이 개념에 매우 관심이있다가 있지만 CEA - 레티 수석 과학자 바바라 드 살보는 1950 년대 중반 이후, 인공 지능 (AI)가 도래 지적하지만, AI에 대한 연구는 우여곡절이있다.
그러나 지금, '우리는, 현재의 모델에 다른 방법이 있다는 것을 깨달아야한다 좋은 질문을하는 데 도움이됩니다.'드 살보을 올해의 국제 고체 회로 컨퍼런스에서 심각하게 가장 영감을 인간의 두뇌 기술을 보는 시간입니다 (ISSCC) 이후에하는 인터뷰에서 "EE 타임즈를"받아 들일 기조 연설 제공하는 '새로운 운영 모델 및 알고리즘이없는 경우, 업계가 결국 더 엄격한 전력 요구 사항을 달성하기 어려울 것이다.'
업계 AI에게 이러한 2 Mobileye의의 EyeQ5 및 무수한 자이 Nvidia의 모비 임베디드 플랫폼을 추진 하였지만 있지만 가장자리 (에지) 분석의 다수의 처리에서 낮은 소비 전력으로 상기 단말 장치의 요구를 충족하기 위해, 그녀는 상기 ' 우리는 '이 단계의 거리가 매우 멀리에 도달해야합니다.
De Salvo는 기조 연설에서 추론 단계의 계산 효율 (GOPS / W)과 여러 AI 칩의 GOPS를 비교합니다.
그녀는 업계의 요구와 기존 솔루션 사이에는 여전히 큰 격차가 있음을 지적했다. '상용 릴리스, 프로토 타입, 학계의 설계 또는 개발 용 칩은 100μW 미만을 제공 할 수 없다 그러나 에너지 수확이나 소형 배터리에 의존해야하기 때문에 에지 장치가 필요로하는 것입니다.
인간의 뇌 연구로 돌아가는 이유는 무엇입니까?
드 살보 (De Salvo)는 인간의 뇌가 몸의 약 2 %의 무게를 가지지 만 신체의 신진 대사의 20 %를 사용한다는 것을 알고 있다고 말했습니다.
인간의 뇌는 20W에서 1,011 GOPS를 처리합니다. De Salvo는 지금까지 인간의 뇌와 비슷한 성능과 힘을 가진 프로세서가 전 세계에 없었 음을 강조합니다.
드 살보 (De Salvo)는이 에너지 효율 등급이 장시간 동안 인간 진화 과정에서 진화 해 에너지 사용을 최소화하면서 뇌 기능을 극대화한다고 설명했다.
이것은 생물학학과에서 배울 수있는 반도체 산업이다. 그녀는, 기존의 컴퓨팅 아키텍처는 전력 요구 사항을 충족하기 위해 최선을 다하고 있습니다 말했다 때문에 주로 대조적으로 '프로세서와 메모리 통신이 에너지를. 소비해야 할 때마다' 뇌 시냅스는 단일 아키텍처에서 메모리와 산술을 포함하고 있으며,이 독창적 인 기술은 뇌에 영감을 얻은 비 폰 Neumann 컴퓨터 아키텍처의 기초를 제공한다고 설명합니다.
그녀는 주목하는 코딩 시스템 뷰 뉴런의 상태로 요소를 상기 고무 뇌, 그 부호화 스파이크로서의 성질의 작동 원칙 (부호화 스파이크) 및 타이밍 관계 소성 스파이크 (STDP 스파이크 타이밍 종속 소성). :; "뉴런 순수 이벤트 구동 방식의 클럭, 과거의 아날로그 또는 숫자 인코딩을 사용하여 신경 오늘날 neuromorphic 최신 경향을 계산하는 그녀 설명 신경 펄스 또는 스파이크의 값을 부호화한다. '
과학 공동체는 스파이크 코딩과 STDP가 가능하다고 믿고 있습니다. 입력 / 출력 신호가 펄스 (스파이크)로 표시되면 입력 신호와 시냅스 가중치의 곱셈이 시냅스 레벨에서 게이팅으로 떨어집니다. 목표는 이기종 방식을 사용하여 스파이크 기반 또는 이벤트 기반 신호 표현을 설정하여 전력 소비를 줄이는 것입니다.
그녀는 "Chronocam의 솔루션은 인공 망막의"비전 "을 목표로하고 있으며 우리 업계의 임무는 신경 자극 원리를 적용하는 것입니다. 전체 컴퓨팅 영역을 넘어 비전을 넘어 확장하십시오. '
드 살 보는 IBM의 트루 노쓰 (TrueNorth)가 뉴로 morphic CMOS 칩의 이상적인 사례라고 말했다. 28nm FD-SOI로 제작 된 다이내믹 형 뉴로 morphic 프로세서 인 DynapSEL은 대용량 멀티 코어 뉴로 morphic 프로세서 또 다른 예로, DynapSEL은 현재 NeuRAM 3 유럽 공동 연구 프로그램 (European Cooperative Research Program)의 개발 프로그램 중 하나입니다.
TrueNorth의 뉴런은 디지털 방식으로 처리되지만, DynapSEL은 유사합니다. 그러나이 칩 중 어느 것도 신경 모폴로지의 기능을 기반으로하지 않기 때문에 신경 모폴로지 시스템의 모든 기능을 효과적으로 수행하지 못합니다.
과학 공동체는 메모리를 처리 장치에 더 가깝게 옮기고 전통적인 메모리 계층 구조에 혁명을 일으키고 "메모리 내 컴퓨팅 (in-memory computing)"을 구현하려고 노력하고 있습니다. 지금까지 신경 신경 회로 하드웨어는 아직 완전히 잠재력에 도달하지 못했으며 De Salvo는 다음과 같이 말했습니다 : 우리는 뉴런 형태의 컴퓨팅에서 초 고밀도 3D 아키텍처를 사용해야 뉴런과 시냅스 간의 연결성과 재구성 가능성을 극대화해야합니다.
곤충 뇌
우리는 이제 인간의 뇌에게 잘 알려져있다가 1000 억 개 뉴런과 뇌의 크기에 대한 1mm의 큐브에서 꿀벌과 같은 다른 스마트 곤충을 가지고, 950,000 뉴런이 있습니다. 드 살보 곤충의 다양한 지적, 꿀벌의 뇌는 가장 큰 그녀는 말했다 : "우리는 꿀벌의 뇌에서 신경 맵핑을 마스터했지만, 인간의 뇌에서 뉴런에 대해서는 거의 알지 못한다."
과학자들은 꿀벌해야는 '꿀벌은 매우 똑똑하다.'때문이다. 비 '가 자사의 내비게이션을 통해 꼴을 할 수있는 많은 센서가 있으며, 그룹의 의사 소통을하는 방법을 알고, 꿀벌 뇌를 해부 촉각을 곤두 세우고있다 그룹에서 함께 생활하기 다른 꿀벌의 기능을 아십시오.
'벌의 뇌는 작지만 단순화 된 형태는 AI 시스템에 좋은 모델을 제공한다.'라고 De Salvo는 말했다. "유기체가 센서와 신호를 분리하지 않기 때문에 체계적으로 생각할 필요성을 강조한다. 처리 중입니다.
AI의 최신 진행 상황?
10 년 전, 아무도 우리가 지금 인공 지능에서보고있는 돌파구를 상상할 수 없습니다.
그러나 관찰 드 살보에 따라, 업계는 AI의 전망에 대해 낙관적으로 인해 수 있지만, 신속하게 사실 AI 연구 응용 프로그램의 초점을 이동합니다, 그녀는 말했다 : "우리는 여전히 ... 그냥 깊은 학습을 AI 시스템의 포괄적 인 이해 부족 '
그녀는 어려운 성능이 가장 큰 책임을 향상시킬 수있는 속성 말을하고, 계층화의 숨겨진 깊이 연구하고, 그 결과 시스템 복잡성이 있다는 것을. '일반 지능, 학습, 추상적 추론 능력과 비교하여 설명 달성 보편성은 여전히 매우 제한적이다. '
드루 보는 다음과 같이 말했다 : "최근 신경 네트워크는 인간이 놓치지 않은 간단한 작업을 수행하지 못했습니다."De Salvo는 다음과 같이 말했습니다. Salvo와 A. A. Nguyen 외., '딥 신경망은 쉽게 속지 만 : 인식 할 수없는 이미지에 대한 높은 신뢰도 예측' 결국 시장의 발전을 방해하고 심지어는 사용자의 신뢰를 배반하여 심각한 도덕적 문제를 야기했습니다.
컴파일 : 홍 수잔