Im Rahmen der Arbeit in den Intel Labs hat Intel den ersten neuromorphen, selbstlernenden Chip seiner Art entwickelt – den Loihi-Testchip. Dieser Chip ahmt Gehirnfunktionen nach und lernt, auf Basis verschiedener Reaktionsmuster auf Umweltreize zu agieren. Der hocheffiziente Chip nutzt Daten zum Lernen und für Schlussfolgerungen, wird mit der Zeit intelligenter, benötigt kein herkömmliches Training und verfolgt einen neuartigen Ansatz für das Rechnen mit asynchronen elektrischen Aktivitäts-Aktionspotenzialen (Spikes).
Wir sind überzeugt, dass sich KI noch in einem frühen Stadium befindet und dass weitere Architekturen und Methoden – wie der Loihi-Chip – die KI voranbringen werden. Neuromorphes Rechnen greift auf aktuelle Erkenntnisse über die Architektur des Gehirns und die damit verbundenen Berechnungen zurück. Die neuronalen Netzwerke des Gehirns gewinnen Informationen durch elektrische Impulse, sogenannte Aktionspotenziale, und modulieren die synaptische Stärke, also die Gewichtung der Verbindungen, basierend auf der Dauer dieser Aktionspotenziale. Diese Veränderungen werden lokal in den Verbindungen gespeichert. Intelligentes Verhalten entsteht durch kooperative und kompetitive Interaktionen zwischen verschiedenen Bereichen innerhalb der neuronalen Netzwerke des Gehirns und ihrer Umgebung.
Maschinelle Lernmodelle – wie beispielsweise Deep Learning – haben in letzter Zeit durch die Verwendung großer Datensätze für das Training sowie die Objekt- und Ereigniserkennung große Fortschritte erzielt. Sofern diese Trainingsdaten jedoch nicht spezifisch ein bestimmtes Element, eine Situation oder einen Umstand berücksichtigen, generalisieren diese Systeme nicht gut.
Die potenziellen Vorteile selbstlernender Chips sind vielfältig. Ein Beispiel hierfür ist die Messung der Herzfrequenz einer Person in verschiedenen Zuständen – nach dem Laufen, nach einer Mahlzeit oder vor dem Schlafengehen – und die Weiterleitung dieser Daten an ein neuromorphes System, das die Daten analysiert, um eine „normale“ Herzfrequenz zu bestimmen. Das System kann dann kontinuierlich Herzdaten überwachen, um Abweichungen vom „normalen“ Muster zu erkennen. Dieses System lässt sich individuell an jeden Benutzer anpassen.
Diese Logik kann auch in anderen Anwendungsfällen, wie beispielsweise der Cybersicherheit, eingesetzt werden, wo eine Anomalie oder Abweichung in den Daten unbefugten Zugriff aufdecken könnte, da das System ein Muster der „Normalität“ in verschiedenen Kontexten gelernt hat.
Wir stellen den Intel Loihi Testchip vor:
Der Intel Loihi Forschungstestchip integriert digitale Schaltkreise, die die grundlegenden Mechanismen des Gehirns nachbilden. Dadurch wird die Effizienz künstlicher Intelligenz bei geringerem Rechenaufwand gesteigert. Die neuromorphen Modelle des Chips basieren auf den Kommunikations- und Lernmustern von Neuronen und nutzen Aktionspotenziale (Aktionspotenziale) sowie synaptische Plastizität, die sich anhand ihrer Dauer modulieren lässt. Dies ermöglicht es Computern, sich selbst zu organisieren und Entscheidungen auf Basis von Mustern und Assoziationen zu treffen.
Der Intel Loihi Testchip bietet flexibles On-Chip-Lernen, indem er Training und Inferenz auf einem einzigen Chip vereint. Dadurch können Maschinen autonom agieren und sich in Echtzeit anpassen, anstatt auf das nächste Update aus der Cloud zu warten. Forscher haben gezeigt, dass der Chip über eine Million Mal schneller lernt als andere typische neuronale Netze auf Basis von Aktionspotenzialen. Dies basiert auf der Gesamtzahl der Operationen, die erforderlich sind, um eine bestimmte Genauigkeit bei der Lösung von Ziffernerkennungsproblemen mit der MNIST-Datenbank zu erreichen. Im Vergleich zu Technologien wie Convolutional Neural Networks (CNNs) und Deep Learning benötigt der Intel Loihi Testchip deutlich weniger Ressourcen für dieselbe Aufgabe.
Die in diesem Testchip demonstrierten selbstlernenden Fähigkeiten bergen enormes Potenzial zur Verbesserung von Anwendungen in der Automobil-, Industrie- und Personenrobotik – also überall dort, wo autonomes Fahren und kontinuierliches Lernen in unstrukturierten Umgebungen von Vorteil sind, beispielsweise bei der Bewegungserkennung von Fahrzeugen oder Fahrrädern.
Darüber hinaus spart er bis zu 1.000 Mal mehr Energie als die für typische Trainingssysteme benötigte Allzweck-Rechenleistung.
In der ersten Jahreshälfte 2018 wird der Intel Loihi Testchip an führende Universitäten und Forschungseinrichtungen zur Entwicklung von KI-Technologien verteilt.
Weitere Highlights:
Zu den Merkmalen des Loihi-Testchips zählen:
– Ein vollständig asynchrones, multikerniges neuromorphes Netzwerk, das eine Vielzahl von dünnbesetzten, hierarchischen und rekurrenten neuronalen Netzwerktopologien unterstützt, wobei jedes Neuron mit Tausenden anderer Neuronen kommunizieren kann.
– Jeder neuromorphe Kern enthält eine Lern-Engine, die so programmiert werden kann, dass sie sich während des Betriebs an die Netzwerkparameter anpasst und unter anderem überwachte, unüberwachte und bestärkende Lernparadigmen unterstützt.
- Es wurde im 14-nm-Verfahren von Intel gefertigt.
- Es verfügt über insgesamt 130.000 Neuronen und 130 Millionen Synapsen.
- Entwicklung und Erprobung mehrerer Algorithmen mit hoher algorithmischer Effizienz zur Lösung von Problemen wie Pfadplanung, Constraint-Satisfaction, isolierter Codierung, Wörterbuchlernen sowie dynamischem Musterlernen und -adaptieren.
