Tres años después presentando su chip informático «neuromórfico» de segunda generación, Intel el miércoles anunció la compañía ha ensamblado 1.152 piezas en un único sistema de procesamiento paralelo llamado Hala Point, en asociación con los Laboratorios Nacionales Sandia del Departamento de Energía de EE. UU.
Los 1.152 chips Loihi 2 del sistema Hala Point permiten un total de 1.150 millones de neuronas artificiales, dijo Intel, «y 128.000 millones de sinapsis distribuidas en 140.544 núcleos de procesamiento neuromórfico». Se trata de un aumento con respecto al anterior sistema Loihi multichip de Intel. debutó en 2020llamado Pohoiki Springs, que utilizó sólo 768 fichas Loihi 1.
Sandia Labs tiene la intención de utilizar el sistema para lo que llama «investigación informática a escala cerebral», para resolver problemas en áreas de física de dispositivos, arquitectura de computadoras, ciencias de la computación e informática.
«Por primera vez estamos mostrando redes neuronales profundas estándar mapeadas y transformadas en una forma que puede ejecutarse a este tipo de escala en un sistema neuromórfico», dijo a ZDNET Mike Davies, director del Laboratorio de Computación Neuromórfica de Intel. «Es una novedad para cualquiera demostrar que las redes neuronales profundas estándar pueden, con algunas advertencias, funcionar con una eficiencia competitiva a la par de las mejores GPU y ASIC. [application-specific integrated circuits] que se están produciendo ahora.»
Computación neuromórfica es un término general que se aplica a una variedad de esfuerzos para desarrollar una computación que se asemeje a algún aspecto de la forma en que se forma el cerebro. El término se remonta al trabajo de principios de la década de 1980 del legendario pionero de la informática Carver Mead, quien estaba interesado en cómo las colecciones cada vez más densas de transistores en un chip podían comunicarse mejor. La idea de Mead fue que los cables entre los transistores tendrían que alcanzar algo de la eficiencia del cableado neuronal del cerebro.
Desde entonces ha habido muchos proyectos, incluido el trabajo de Winfried Wilcke del Centro de Investigación Almaden de IBM en San Joséel Esfuerzo del chip TrueNorth en IBM e Intel Proyecto largo. Scott Fulton III de ZDNet tiene un gran resumen de algunos de los desarrollos más interesantes en la computación neuromórfica.
También: Intel y sus socios dan nuevos pasos en el desarrollo del chip informático neuromórfico Loihi
La premisa de la mayoría de los chips neuromórficos es que replicar el «pico» asincrónico de las neuronas del cerebro es un enfoque más eficiente que usar miles de millones de «pesos» o «parámetros» de red neuronal que transforman repetitivamente cada punto de datos.
El enfoque de Intel con la computación neuromórfica se ha centrado principalmente en dispositivos informáticos «de vanguardia», como computadoras servidor reducidas con procesadores integrados en lugar de máquinas de clase Xeon.
La máquina Hala Point es un esfuerzo de Davies y su equipo para explorar hasta qué punto lo neuromórfico puede escalar.
«Existe una visión a largo plazo realmente convincente para ampliar el nivel de ciencia básica», afirmó Davies. «Todos tenemos en mente la escala del cerebro humano; sería fantástico construir un sistema tan grande y mostrarlo haciendo algo incluso cercano a lo que un cerebro humano puede lograr». Se cree que el cerebro humano tiene un billón de neuronas, aunque no necesariamente todas funcionan al mismo tiempo.
El aumento de la escala puede ser importante para revelar de qué es capaz la computación neuromórfica. Así como los grandes modelos de lenguaje, como ChatGPT de OpenAI, obtienen lo que se llaman capacidades «emergentes» con el tamaño cada vez mayor de los modelos de redes neuronales y el aumento de los presupuestos de computación, «creemos que las mismas ventajas y tendencias de escalamiento que veremos también con los sistemas neuromórficos «, dijo Davies.
(Un «modelo de IA» o «modelo de red neuronal» es la parte de un programa de IA que contiene numerosos parámetros de red neuronal y funciones de activación que son los elementos clave del funcionamiento de un programa de IA).
También: Por qué la ingeniería neuromórfica desencadenó una revolución analógica
Hala Point es capaz de producir 20 mil billones de operaciones por segundo a 15 billones de operaciones por segundo por vatio, utilizando matemáticas de 8 bits. Ese consumo de energía es superior al que requieren los chips GPU y CPU, afirma Intel.
Más allá de estas métricas, Intel todavía está aprendiendo sobre los tipos de ganancias de productividad que pueden surgir de un sistema neuromórfico tan ampliado. Para demostrar el valor de Hala Point, Intel se centra en cómo puede funcionar el sistema para problemas difíciles de optimización, como los que surgen en el desarrollo de fármacos. A pequeña escala, por chip, las piezas de Loihi 2 pueden ser 50 veces más rápidas que los chips convencionales, dijo Davies.
«Estamos muy entusiasmados con ese tipo de aceleraciones que hemos observado», dijo Davies, «y un ahorro de energía de cien a mil veces a ese nivel ampliado en Hala Point podría ser un ahorro tremendo y realmente valioso para problemas científicos.»
Aunque es un sistema de investigación, Hala Point puede ayudar a revelar ventajas neuromórficas que podrían implementarse en la próxima versión de Loihi, o en configuraciones de borde más pequeñas, dijo Davies.
También: Intel Labs busca el próximo paso del gigante de los chips en avances cuánticos y neuromórficos
«Si encontramos algo a muy gran escala que realmente funcione bien, entonces podemos pensar en formas de especializar la arquitectura para poder reducirla a una escala que pueda caber dentro de un factor de forma de borde más pequeño», dijo.
Neuromorphic «nunca reemplazará a las GPU ni a los aceleradores de aprendizaje profundo actuales para los tipos de cargas de trabajo que funcionan bien», dijo Davies. Sin embargo, investigaciones recientes sugieren que hay áreas de la informática de alto rendimiento en las que puede tener una ventaja.
En una conferencia celebrada esta semana en Corea del Sur, los científicos de Intel Sumit Bam Shrestha y su equipo presentarán los resultados de un trabajo de investigación comparando el chip Loihi 2 con la plataforma informática de vanguardia Jetson de Nvidia y también con el procesador integrado i9 de Intel.
Las aplicaciones incluyen PilotNet, una red neuronal de aprendizaje profundo que calcula «el ángulo de dirección de un automóvil basándose en la información de una cámara RGB del tablero». La red neuronal tiene la tarea de procesar fotogramas de vídeo utilizando una «red neuronal convolucional» o CNN, que se ha utilizado ampliamente en IA durante décadas.
También: La computación neuromórfica encuentra nueva vida en el aprendizaje automático
«Descubrimos que estos nuevos enfoques neuromórficos pueden proporcionar ganancias de órdenes de magnitud en eficiencia y latencia combinadas (producto de retardo de energía) para redes neuronales convolucionales y de retroalimentación aplicadas a video, eliminación de ruido de audio y transformaciones espectrales en comparación con el estado de- soluciones de última generación», escribieron Shrestha y el equipo.
Debido a que la parte de Loihi utiliza funciones de picos asíncronos, el chip no funciona a menos que haya cambios en los datos. Eso significa ahorrar energía informática cuando hay datos redundantes, como suele ser el caso de vídeos o imágenes que presentan píxeles que no cambian.
«Si hay una señal en la que hay continuidad temporal en el flujo de entrada, la arquitectura puede aprovechar el hecho de que a veces no hay cambios, un píxel determinado no cambia, por lo que no es necesario volver a calcular el cuadro completo. «, explicó Davies.
La «próxima prioridad» para Intel es la comercialización de la computación neuromórfica, dijo Davies. «Yo diría que estamos a un par de años de la comercialización, pero no más que eso», dijo Davies. Intel no tiene ninguna prisa por ser el primero en comercializar, afirmó. «Nuestro interés ha sido asegurarnos de que cuando comercializamos, estemos dando el mayor factor de ganancias que podamos, para proporcionar el mayor valor diferenciado de las tecnologías y arquitecturas existentes».