Компьютеры, работающие как живой мозг, уже существуют и обгоняют обычные по эффективности

Компьютеры, работающие как живой мозг, уже существуют и обгоняют обычные по эффективности. Их называют нейроморфными из-за архитектуры, повторяющей биологическую структуру наших нейронов.

Чем нейроморфные компьютеры отличаются от обычных

Обычные компьютеры работают на архитектуре фон Неймана: процессор и память разделены, а данные постоянно перемещаются между ними. Нейроморфные компьютеры работают на чипах, копирующих принцип работы человеческого мозга: искусственные нейроны и хранят, и обрабатывают информацию в одном месте. Данные же передаются спайками — короткими электрическими импульсами, которые нейроны испускают в ответ на заранее запрограммированное событие. Если события не происходит, нейроны остаются в покое — в отличие от обычных чипов, которые обрабатывают данные постоянно.

Как обычный чип распознаёт речь в потоке шума: непрерывно анализирует весь аудиопоток и пытается математически «вычесть» шум из голоса

Как нейроморфный чип распознаёт речь в потоке шума: активируется преимущественно на значимые сигналы, так как нейроны запрограммированы реагировать на речь

В чём преимущество такой архитектуры

Энергоэффективность: чип тратит энергию только в нужные моменты, что сокращает потребление в десятки раз

Производительность: нейроны могут выполнять много операций параллельно

Скорость: время не тратится на передачу данных между процессором и памятью

А ещё нейроморфные системы могут обучаться, укрепляя или ослабляя связи между нейронами. Это позволяет системе самостоятельно находить закономерности в данных, что делает нейроморфные чипы идеальными для нейросетей.

Нейроморфные компьютеры уже существуют

Но пока только в лабораториях. Одним из первых был TrueNorth, выпущенный IBM в 2014-м. А Intel объединил свои нейроморфные чипы Loihi 2 в систему Hala Point на 1,15 миллиарда нейронов — примерно как мозг попугая. Также существует китайский Darwin3 с 2,35 миллиарда нейронов.

Стать массовыми таким компьютерам мешает дорогое производство, сложное программирование и проблемы с точностью — из-за особенностей архитектуры они могут обрабатывать один и тот же сигнал с погрешностью.

Источник: vk.com

Источник: ai-news.ru