От редакции
научпоп

Из нейронов и кремния: как гибридная микросхема играла в «Понг»

196
0
20 февраля 2024
Изображение создано с помощью нейросети
От редакции
научпоп
196
0
20 февраля 2024
Из нейронов и кремния: как гибридная микросхема играла в «Понг»

Один день работы ChatGPT стоит миллионы долларов, а ее интеграция в поиск Google может потребовать 4.1 млн видеокарт Nvidia A100. «Аппетит» нейронных сетей растет день ото дня: им требуется все больше данных, вычислительных мощностей и электричества. А повсеместное проникновение AI-решений в разные сферы нашей жизни подталкивает энтузиастов искать небанальные аппаратные альтернативы для обучения и работы подобных систем.

Некоторые стартапы и исследователи считают, что решить проблему помогут «гибридные» вычислительные системы, созданные на базе живых нейронов и CMOS-компонент. Такой симбиоз биологии и технологий пока остается скорее концепцией, но отдельные компании уже добились первых успехов.

Изображение создано с помощью нейросети

В чем заключается идея

Компьютерные нейронные сети создавались «по образу и подобию» биологических. «Живые» нейросети — такие как человеческий мозг — легко переключаются с одной задачи на другую, переиспользуют полученный ранее опыт для решения новых задач и способны принимать решения в условиях неопределенности. При этом они требуют ничтожно мало энергии в сравнении с электронными устройствами и могут продолжать функционировать, даже получив серьезные повреждения.

Для того, чтобы преодолеть пропасть между современными возможностями компьютерных нейронных сетей и «сильным» искусственным интеллектом, о котором исследователи мечтают уже много лет, не хватает принципиально новых архитектур вычислительных устройств.

Пару десятилетий назад появилась идея технологии, которая позволит объединить живые нейроны и CMOS-компоненты в одной микросхеме. Исследователи считают, что использование таких «гибридов» для обучения нейронных сетей позволит заменить десятилетия работы компьютерных алгоритмов миллионами лет эволюции. В отличие от привычных нам компьютеров, которые в ходе работы оперируют лишь двумя состояниями, устройства на основе биологических нейронов в теории смогут переключаться между десятками тысяч возможных состояний.

Разработкой цифровых устройств, в которых искусственно выращенные живые нейроны берут на себя задачи обучения или позволяют машине распознавать запахи, занимаются как минимум два стартапа — Cortical Labs и Koniku.

Симбиоз электронных компонент и нейронов Элджернона

Австралийский стартап Cortical Labs работает над созданием микросхем с искусственно выращенными биологическими нейронами мышей и человека. Задача компании — научить свои чипы решать те же задачи, что и машинный искусственный интеллект, но с гораздо меньшими затратами энергии.

В 2021 году в журнале Neuron было опубликовано исследование, в котором команда стартапа рассказала о своей разработке — системе DishBrain. Сотрудники использовали клетки мозга мыши и человека, взятые из стволовых клеток, и вырастили их поверх матрицы электродов с высокой плотностью. Эти электроды позволили стимулировать нейроны электрическими сигналами и при этом считывать их активность.

SEM-снимок нейронов на многоэлектродном массиве
SEM-снимок нейронов после шести месяцев роста на многоэлектродном массиве высокой плотности.
Источник: Cortical Labs

Когда нейронная сеть подросла, исследователи проверили, сможет ли система научиться играть в простую компьютерную игру «Понг». В ней была одна ракетка, которой нужно отбивать мячик. Пока нейроны играли, электроды сообщали им, с какой стороны находится мяч. Клетки учились отбивать его так, как если бы сами были ракеткой.

Схема работы системы DishBrain
Схема работы DishBrain.
Источник: Neuron

По словам Бретта Кагана, старшего научного сотрудника Cortical Labs, результаты обучения наиболее сильно возрастали в первые 5 минут и прекращалось после 15. За это время точность попаданий улучшалась примерно на 67%.

Другой стартап, Koniku из Беркли, работает над устройствами, в которых биологические нейроны выполняют функции сенсоров запахов. Koniku Kore, первый продукт, который разрабатывает компания, использует гибридный нейроно-кремниевый чип для распознавания летучих органических соединений. Потенциально продукт может получить самые разные применения: от обнаружения взрывчатых веществ до диагностики рака.

Визуализация устройства Koniku Kore
Визуализация устройства Koniku.
Источник: proto.life

Сейчас компания создает нейроны, которые будут обладать способностью уловить конкретный запах. Для этого используется технология редактирования генома, которая изменяет ДНК предшественника нейронов. Koniku получает предшественники от поставщика, который превращает клетки кожи или крови мышей в индуцированные плюрипотентные стволовые клетки. Вырастив нейроны с нужной ДНК, исследователи помещают клетки на полимерную структуру с электродами и ждут, пока они начнут объединяться в единую сеть.

Конечная цель Cortical Labs и Koniku — создать искусственный интеллект общего назначения, способный выполнять задачи наравне с человеком или даже лучше него. Но пока до этого еще далеко.

Ограничения текущих экспериментов и альтернативное решение

Биологические нейроны оптимизированы для работы в мозге, но не для того, чтобы быть компьютерами в том смысле, в каком хотелось бы исследователям. Компаниям, которые работают над гибридными микросхемами, приходится искать ответы на одни и те же основные вопросы:

  • Как надежно интерпретировать электрические сигналы, генерируемые нейронами?
  • Как «запрограммировать» нейроны, чтобы они следовали определенным правилам?
  • Как проверить, что клетки ведут себя ожидаемым образом?
  • Как поддерживать жизнь нейронов долгое время?

Нейроны сложно выращивать искусственно и еще сложнее поддерживать их в живом состоянии. «Недостатком является то, что нейроны нужно кормить и тщательно поддерживать окружающую их среду, в том числе не допускать роста бактерий, химического дисбаланса и изменения температуры», — говорит Андре ван Шайк (Andre van Schaik), директор международного центра нейроморфных систем из Университета Западного Сиднея.

Также есть сомнения в том, что получится построить сложные микросхемы с живыми нейронами. Такуя Исомура (Takuya Isomura), сотрудник японского исследовательского института Riken, говорит, что, на его взгляд, подобные чипы смогут выполнять только простые задачи из-за того, что связи мозга сложно воспроизводить за его пределами. Андре ван Шайк, в свою очередь, считает, что на результативность может также повлиять то, что преимущества трехмерных органических нейронных сетей исчезают, если поместить клетки на двумерный микрочип.

Цифровые же нейроны нет необходимости поддерживать живыми, плюс не нужно задумываться об их адаптации к двумерной микросхеме. Поэтому они могут стать альтернативным решением для ускорения аппаратных вычислений и снижения энергопотребления существующих компьютерных систем.

Над нейроморфными процессорами, архитектура и принципы действия которых имеют сходство с биологическими нейронными сетями, работают такие гиганты индустрии, как IBM и Intel, и у них уже есть значительные достижения.

В 2014 году IBM выпустила экспериментальный чип TrueNorth, который содержит 1 миллион эмулируемых нейронов с 256 миллионами связей. А Intel в 2021 году представил уже второе поколение процессора Loihi, который представляет собой микросхему с 128 нейроморфными ядрами.

В деталях об идее аппаратной реализации нейроморфных вычислений в Лектории «Истового инженера» рассказывала Юлия Сандамирская, руководитель группы прикладных исследований лаборатории нейроморфных вычислений Intel.

Пока сложно сказать, какое из направлений будет в итоге более успешным и кто быстрее приблизится к созданию искусственного интеллекта. Что получится у стартапов и больших корпораций, мы узнаем только спустя время.

Наверх
Будь первым, кто оставит комментарий