Ako majú počítače fungovať? Princípu, ktorý používame už takmer storočie, len ťažko odoprieť masívny úspech. Bude tomu tak ale vždy?
V rámci nášho pokroku v systémoch umelej inteligencie sa obzeráme po alternatívnom princípe, o ktorom vieme, že je rámci kognitívnych systémov a neurónových sietí mnohonásobne efektívnejší.
Počítače dokážu takmer nekonečný zástup vecí. Je jedno, či na ňom hráte hru s dych berúcim vizuálom, pozeráte video na YouTube, rozprávate sa so systémom umelej inteligencie alebo detailne editujete digitálnu fotografiu, všetko je len neuveriteľná súhra miliárd spínajúcich sa tranzistorov.
Základný princíp, na ktorom dnešné počítače fungujú, navrhol v roku 1945 geniálny fyzik, matematik a otec počítačovej vedy, John von Neumann. Ide o koncept založený na jednotke obsahujúcej register a výpočtovú logiku, ktorá má k dispozícii pamäte na uloženie priebehových a trvalých dát. Inak povedané, ide o počítač s procesorom, operačnou pamäťou a úložiskom.
Tieto tri základné prvky sú následne spojené pomocou zberníc, pričom vzájomne komunikujú a preposielajú si dáta. Aj keď hardvér prešiel obrovským vývojom, táto tzv. von Neumanova architektúra zostala zachovaná po celých nasledujúcich 80 rokov.
Sú na nej priamo založené prakticky všetky dnešné počítače, či už ide o superpočítače, servery, desktopy, notebooky, smartfóny alebo smart hodinky či smart TV. Je nesporné, že je nesmierne univerzálna. Postupným vývojom sa totiž jednoduché „matematické“ mechanizmy premenili na stroje, ktoré používame skoro všade a skoro na všetko.
To, že na dne tejto komplexnosti je jednoduché binárne prepínanie tranzistora z 1 na 0, nie je unikátne. Biologické „počítače“ v podobe nervových centier, nachádzajúcich sa v našich hlavách a hlavách ostatných živých tvorov, fungujú na určitej fundamentálnej úrovni rovnako.
Oba princípy elektricky spínajú svoje neuróny alebo tranzistory do dvoch rôznych stavov (vzruch/nevzruch či nabitý/vybitý) a na základe svojej vnútornej štruktúry a prepínania vykonávajú konkrétne úlohy.
Kým v rýchlosti a rozsahu pokročilých aritmetických operácií sa nervová sústava počítaču nevyrovná, pri úlohách, ako je rozpoznávanie tvárí, identifikácia objektov, tvorba asociácií či vykonanie motorických reakcií na vonkajšie podnety dochádza k niečomu čudesnému. Aj keď počítač a nervová sústava robia prakticky to isté, biologický systém, tvorený namiesto kremíka bielkovinami, soľou a vodou, na to používa v priamom porovnaní len nepatrný zlomok energie. Nerobí to dvakrát, alebo desaťkrát efektívnejšie ako počítače. Robí to zhruba 100 000 000 000 000-krát efektívnejšie.
Na jednu stranu je to očakávateľné, pretože ide o výsledok silného evolučného tlaku trvajúceho stovky miliónov rokov. Na druhú stranu nám to ale ukazuje, že aj keď počítače pracujúce na von Neumanovom princípe podávajú v konkrétnych úlohách famózny výkon, tak pri iných, nachádzajúcich sa v doméne biologických systémov, nie je triviálne dosiahnuť porovnateľné výsledky z hľadiska fyzických rozmerov a spotreby.
Dôležité je to hlavne pri budovaní autonómnych strojov, napríklad v rámci robotiky, u ktorých chceme aplikovať efektívne učenie za pochodu, v rámci pokročilých neurónových sietí. Vytrénovanie tých najvyspelejších si vyžaduje súhru triliónov tranzistorov a gigawatty energie. Ľudský mozog to ale robí len s 86 miliardami neurónov a spotrebováva zhruba 20 W.
Táto vysoká efektivita pritom funguje aj v hlave muchy, ktorá vám poletuje pri okne a zvláda svoje letecké manévre a reakcie na hrozby so svojimi 140 000 neurónmi. O takej energetickej účinnosti sa porovnateľnej riadiacej autonómnej elektronike dronu môže len snívať. Láka nás teda ich architektonické princípy napodobiť.
Ako neuromorfický počítač funguje?
Neuromorfické počítače pri svojom fungovaní napodobujú architektúru biologických systémov, pričom vo svojej podstate imitujú spínanie neurónov a ich komunikáciu prostredníctvom synapsií a ďalších prvkov. Cieľom je vytvorenie systému podobného mozgu, ktorý je schopný efektívne sa učiť a adaptovať na nové situácie oveľa rýchlejšie, presnejšie a rozsiahlejšie, ako to umožňujú dnešné riešenia.
Treba si ale uvedomiť, že na bežný pohľad sú neuromorfické počítače stále počítače. Ich základnou jednotkou sú tranzistory a z nich zložené integrované obvody a čipy. Odlišný je spôsob, ako k spracovávaniu dát dochádza.
Podobne ako hlboké neurónové siete umelej inteligencie v určitom zmysle simulujú alebo aspoň čiastočne napodobujú prácu mozgu na úrovni softvéru, neuromorfické počítače tento prístup ťahajú k vrstve samotného hardvéru a jeho práce. Ich jednotlivé tranzistory a logické obvody teda napodobujú prácu fyzických neurónov a synapsií.
Základným prvkom neuromorfických počítačov je vzruchový neurón, ktorý hrá v obvodoch podobnú rolu, ako logické hradlo u klasických počítačov. V klasických procesoroch sú tranzistory usporadúvané do rôznych typov logických obvodov, ako napríklad AND, OR, NOT či XOR, ktoré vykonávajú rudimentárne logické operácie. Funguje to tak, že obvod dostane binárny vstup, a svojou konštrukciou ako takou vykonáva logický výstup pre ďalšie hradlo v poradí.
Napríklad logické hradlo AND vykoná výstup 1 iba vtedy, ak do neho vojdú dva vstupy 1. Inak je jeho výstup 0. Naproti tomu hradlo OR vykoná výstup 1 v prípade, že je aspoň jeden z dvojice vstupov (alebo oba) na hodnote 1. Výstup v podobe 0 sa dosiahne iba vtedy, ak sú oba vstupy na hodnote 0. Všetky logické hradlá pritom neustále pracujú a odosielajú hodnoty v rámci taktu na príslušnej frekvencii, na akej čip pracuje.
Neuromorfický počítač používa tranzistory usporiadané do syntetických neurónov, ktoré fungujú výrazne inak. Podobne ako biologický neurón, aj syntetický sedí obvykle nečinne, bez ohľadu na to, čo sa okolo deje. Ak sa však určité množstvo vzruchov udeje v určitom čase v jeho okolí, vyšle vzruch alebo sériu vzruchov, podľa toho ako je pre danú situáciu navrhnutý. Vstup aj výstup tak môže mať formu nejakého rozsahu, čo dáva takýmto systémom analógový nádych. Keďže neuróny sa aktivujú len v určitej situácii, vo výsledku je takýto systém omnoho menej energeticky náročnejší, ako klasický procesor, v ktorom všetky jeho tranzistory neustále pracujú. Neuromorfické systémy spájajú tieto vzduchové neuróny do komplexných sietí, ktoré sa svojím tvarom líšia podľa špecifických úloh a použitia.
Neuromorfické počítače nie sú nový koncept. Majú svoje počiatky už v 80. rokoch minulého storočia. Počas prvých dekád svojej existencie však bol ich vývoj len experimentálnou vedeckou disciplínou, za ktorou stála hmlistá idea, že možno budú jedného dňa vhodné na simulácie v súvislosti s biologickými procesmi mozgu. Mali byť teda akousi platformou pre pokusy neurovedcov či biológov. Všetko zmenil masívny boom hlbokých neurónových sietí a rapídne zlepšujúcich sa systémov umelej inteligencie.
Táto zmena paradigmy vrhla na existenciu neuromorfických počítačov nové svetlo. Keďže neurónové siete aspoň rudimentárne vychádzajú z princípov mozgovej činnosti, očividne sa ponúka možnosť, že by mohli lepšie fungovať na hardvéri, ktorý prácu mozgu pripomína.
Súčasné systémy a rôzne prístupy k ich stavbe
Neuromorfickú architektúru je možné pojať rozličnými spôsobmi. Vývojári pristupujú k stavbe v štyroch základných podobách a modeloch budovania neurónových obvodov, ktoré môžeme označiť ako Plytký binárny model, Hlboký binárny model, Akcelerovaný fyzikálny model a Reálno-časový fyzikálny model. Každý má svoje špecifiká a takisto aj konkrétne výsledné stroje.
Plytký binárny model neurónových obvodov využíva na stavbu neuromorfických počítačov klasické bežné procesory, obvykle s ARM architektúrou, pričom ich dodatočne zapája do neuromorfickej architektúry na plytkejšej softvérovej/riadiacej úrovni. Ideu týchto strojov zhmotnil projekt SpiNNaker, ktorý v minulej dekáde vznikol na Manchesterskej Univerzite.
Bol jednou zo súčastí veľkej iniciatívy Európskej únie pre finančnú podporu pokročilých vedeckých projektov a budúcich technológií, zaštítenou 1 miliardou eur (Human Brain Project). Projekt prebiehal v rokoch 2013 až 2023, pričom priniesol veľký pokrok v rámci vývoja týchto architektúr, čo otvorilo cestu ku komerčným riešeniam. Práve tie začali v roku 2024 predstavením novej generácie neuromorfického hardvéru SpiNNaker2 a na ňom postavenom výpočtovom SpiNNcloud systéme na univerzite v nemeckých Drážďanoch, ktorý začal byť ponúkaný pre tréning systémov umelej inteligencie.
Hlboký binárny model neurónových obvodov je naproti tomu prístup založený na špeciálne navrhnutom hardvéri, pri ktorom sa neuromorficky neprepájajú výpočtové jednotky v podobe procesorov, ale už rovno samotné integrované obvody, ktoré ich tvoria. Tento prístup je typický napríklad pre IBM Research, konkrétne jeho Kalifornské laboratórium v Almaden Valley, ktorá v minulej dekáde začala projekt čipov TrueNorth.
Úspechy v tejto architektúre viedli k súčasnému riešeniu NorthPole, ktoré v špecifických úlohách neurónových sietí dosahujú o niekoľko desiatok efektívnejšie výsledky, ako bežné systémy. Principiálne podobný koncept razí takisto laboratórium Intelu so svojimi experimentálnymi čipmi Loihi 2 a takisto austrálska spoločnosť BrainChip, v rámci svojej neuromorfickej platformy Akida s čipmi AKD1500, ktoré sú od minulého roku aj komerčne dostupné.
Akcelerovaný fyzikálny model neurónových obvodov takisto používa špeciálne navrhnutý hardvér, ktorý však na rozdiel od predchádzajúcich prístupov nie je plne digitálny. Tento prístup sme takisto preskúmavali v rámci európskeho projektu Human Brain, pričom typickým predstaviteľom tohto prístupu je neuromorfický počítač/procesor BrainScaleS, ktorý bol v minulej dekáde vyvinutý na univerzite v nemeckom Heidelbergu, pričom dnes je vo svojej novšej podobe BrainScaleS-2 vedeckej sfére voľne prístupný prostredníctvom výpočtovej platformy EBRAINS.
V jeho prípade je základom kompletný kremíkový wafer, na ktorom sa nachádza vysoký počet čipov s tranzistormi reprodukujúcimi analógovú neurónovú sieť. V tomto prípade sa teda fyzicky emuluje práca adaptívnych biologických neurónov a ich dynamických synapsií.
Reálno-časový fyzikálny model neurónových obvodov je prístup, ktorý je najbližší samotným biologickým systémom a zdieľa s nimi mnoho funkčných prvkov. Používajú sa nízkonapäťové, čisto analógové bunky, ktoré z hľadiska svojich pulzov umožňujú potenciálne veľmi dobré napojenie na biologické systémy. Tieto neuromorfické riešenia sú teda veľmi žiadané v prípade, že plánujete napojenie na biologické substráty (napr. formou implantátov).
Riešeniami tohto typu sa zaoberajú napríklad vývojári na Standfordovej univerzite (Neurogrid), alebo na technickej univerzite v Zürichu. Výpočet na takýchto počítačoch funguje v reálnom čase, čo je síce na jednu stranu vhodné pre finálne systémy (napr. robot), avšak pri vývoji výkonných riešení určených na prekonanie biologických systémov či simuláciu vo veľkom časovom rozsahu je to slabinou (oproti akcelerovaným riešeniam, ktoré dokážu pracovať mnohonásobne rýchlejšie).
Neuromorfické počítače boli donedávna dostupné len pomerne malej skupine výskumníkov, či už na univerzitách, alebo vývojových oddeleniach rôznych hardvérových firiem. Situácia sa ale s ich postupným vývojom mení a prvé komerčné systémy sú dostupné a lákajú na použitie. Z hľadiska vývojárov systémov umelej inteligencie pravdaže potrebujú zmenu prístupu.
Systémy prevádzkované na neuromorfických počítačoch obvykle vsádzajú na vzruchové/impulzné neurónové siete (Spiking neural network), čo je heterogénna dvojvrstvová dopredná sieť s laterálnymi spojeniami v druhej skrytej vrstve, ktorá sa pri svojej prevádzke veľmi podobá na neurónové procesy v mozgu. Je značne odlišná od ostatných hlbokých neurónových sietí, ktoré sa uplatňujú v súčasných modeloch.
Ide o tretiu generáciu neurónových sietí, ktoré sú komplexnejšie, ako ich predchodcovia, avšak aj potenciálne značne mocnejšie z hľadiska výsledných schopností. Siete tohto typu môžu niesť temporálnu informáciu vo vlastnej povahe signálov, nakoľko nejde len o samotné pulzy, ale aj o ich načasovanie a naviazanosť. To si však vyžaduje komplexnejší prístup k ich tvorbe a zároveň aj biologicky príbuznejší hardvér, kde sú práve neuromorfické počítače veľkým pomocníkom.
Prečítajte si aj:
