Semua yang perlu Anda ketahui tentang komputasi neuromorfik

Semua yang perlu Anda ketahui tentang komputasi neuromorfik

Semua yang perlu Anda ketahui tentang komputasi neuromorfik

 

Semua yang perlu Anda ketahui tentang komputasi neuromorfik
Semua yang perlu Anda ketahui tentang komputasi neuromorfik

Pada bulan Juli, sekelompok peneliti kecerdasan buatan memamerkan sepeda self-driving yang dapat menavigasi di sekitar rintangan, mengikuti seseorang, dan menanggapi perintah suara. Sementara motor self-driving itu sendiri tidak banyak digunakan, teknologi AI di belakangnya sangat luar biasa. Menggerakkan sepeda adalah chip neuromorfik, sejenis komputer AI khusus.

Komputasi neuromorfik bukanlah hal baru. Bahkan, ini pertama kali diusulkan pada 1980-an. Tetapi perkembangan terbaru dalam industri kecerdasan buatan telah memperbarui minat pada komputer neuromorfik.

Semakin populernya pembelajaran yang mendalam dan jaringan saraf telah mendorong perlombaan untuk mengembangkan perangkat keras AI yang khusus untuk komputasi jaringan saraf. Di antara beberapa tren yang telah muncul dalam beberapa tahun terakhir adalah komputasi neuromorfik, yang telah menunjukkan harapan karena kesamaannya dengan jaringan saraf biologis dan buatan.

Baca: [ Bagaimana mesin melihat: semua yang perlu Anda ketahui tentang visi komputer ]

Seberapa dalam jaringan saraf bekerja
Di jantung kemajuan terbaru dalam kecerdasan buatan adalah jaringan saraf tiruan (JST), perangkat lunak AI yang secara kasar mengikuti struktur otak manusia. Jaringan saraf terdiri dari neuron buatan, unit komputasi kecil yang melakukan fungsi matematika sederhana.

Neuron buatan tidak banyak berguna sendirian. Tetapi ketika Anda menumpuknya berlapis-lapis, mereka dapat melakukan tugas-tugas luar biasa, seperti mendeteksi objek dalam gambar dan mengubah audio suara menjadi teks. Jaringan saraf yang dalam dapat berisi ratusan juta neuron, tersebar di berbagai lapisan.

struktur neuron buatan
Struktur neuron buatan, komponen dasar jaringan saraf tiruan (sumber: Wikipedia)
Ketika melatih algoritma pembelajaran yang mendalam, pengembang menjalankan banyak contoh melalui jaringan saraf bersama dengan hasil yang diharapkan. Model AI menyesuaikan masing-masing neuron buatan saat meninjau lebih banyak data. Berangsur-angsur menjadi lebih akurat pada tugas spesifik yang telah dirancang untuknya, seperti mendeteksi kanker dalam slide atau menandai transaksi bank yang curang.

Tantangan menjalankan jaringan saraf pada perangkat keras tradisional
Komputer tradisional bergantung pada satu atau beberapa unit pemrosesan pusat (CPU). CPU memiliki banyak daya dan dapat melakukan operasi yang kompleks dengan kecepatan cepat. Mengingat sifat didistribusikan dari jaringan saraf, menjalankannya pada komputer klasik itu rumit. CPU mereka harus meniru jutaan neuron tiruan melalui register dan lokasi memori, dan menghitung masing-masing secara bergantian.

Graphics Processing Units (GPUs), perangkat keras yang digunakan untuk permainan dan perangkat lunak 3D, dapat melakukan banyak pemrosesan paralel dan sangat baik dalam melakukan perkalian matriks, operasi inti dari jaringan saraf. Array GPU telah terbukti sangat berguna dalam operasi jaringan saraf.

Meningkatnya popularitas jaringan saraf dan pembelajaran mendalam telah menjadi anugerah bagi produsen GPU. Perusahaan hardware grafis Nvidia telah melihat kenaikan harga saham dalam beberapa kali lipat nilai dalam beberapa tahun terakhir.

Namun, GPU juga tidak memiliki struktur fisik jaringan saraf dan masih harus meniru neuron dalam perangkat lunak, meskipun dengan kecepatan sangat tinggi. Ketidaksamaan antara GPU dan jaringan saraf menyebabkan banyak inefisiensi, seperti konsumsi daya yang berlebihan.

Keping neuromorfik
chip neuromorfik intel Loihi
Chip neuromorfik Intel, Loihi (sumber: Intel )
Berlawanan dengan prosesor untuk keperluan umum, chip neuromorfik secara fisik terstruktur seperti jaringan saraf tiruan. Setiap chip neuromorfik terdiri dari banyak unit komputasi kecil yang sesuai dengan neuron buatan. Berbeda dengan CPU, unit komputasi dalam chip neuromorfik tidak dapat melakukan banyak operasi yang berbeda. Mereka hanya memiliki kekuatan yang cukup untuk melakukan fungsi matematika dari neuron tunggal.

Karakteristik penting lain dari chip neuromorfik adalah koneksi fisik antara neuron buatan. Koneksi ini membuat chip neuromorfik lebih seperti otak organik, yang terdiri dari neuron biologis dan koneksi mereka, yang disebut sinapsis. Menciptakan berbagai neuron buatan yang terhubung secara fisik adalah apa yang memberi komputer neuromorfik kekuatan nyata mereka.

Struktur komputer neuromorfik membuatnya jauh lebih efisien dalam pelatihan dan menjalankan jaringan saraf.

Mereka dapat menjalankan model AI pada kecepatan yang lebih cepat daripada CPU dan GPU yang setara sambil mengonsumsi daya yang lebih kecil. Ini penting karena konsumsi daya sudah menjadi salah satu tantangan penting AI .

Ukuran yang lebih kecil dan konsumsi daya yang rendah dari komputer neuromorfik membuatnya cocok untuk kasus penggunaan yang mengharuskan untuk menjalankan algoritma AI di tepi yang bertentangan dengan cloud.

Chip neuromorfik dicirikan oleh jumlah neuron yang dikandungnya. Chip Tianjic, chip neuromorfik yang digunakan dalam motor self-driving yang disebutkan di awal artikel ini, berisi sekitar 40.000 neuron buatan dan 10 juta sinapsis di area 3,8 milimeter persegi. Dibandingkan dengan GPU yang menjalankan jumlah neuron yang sama, Tianjic melakukan 1,6-100x lebih cepat dan mengonsumsi daya 12-10,000x lebih sedikit.

Tetapi 40.000 adalah jumlah neuron yang terbatas, sebanyak otak ikan . Otak manusia mengandung sekitar 100 miliar neuron.

AlexNet, jaringan klasifikasi gambar populer yang digunakan di banyak aplikasi, memiliki lebih dari 62 juta parameter. Model bahasa GPT-2 OpenAI berisi lebih dari satu miliar parameter.

Namun chip Tianjic lebih merupakan bukti konsep daripada komputer neuromorfik yang ditujukan untuk penggunaan komersial. Perusahaan lain telah mengembangkan chip neuromorfik yang siap digunakan dalam berbagai aplikasi AI.

Salah satu contoh adalah chip Intel Loihi dan komputer Pohoiki Beach. Setiap chip Loihi berisi 131.000 neuron dan 130 juta sinapsis. Komputer Pohoiki, yang diperkenalkan pada bulan Juli, mengemas 8,3 juta neuron. Pohoiki memberikan kinerja 1000x lebih baik dan hemat energi 10.000x lebih banyak daripada GPU setara.

Komputasi neuromorfik dan kecerdasan umum buatan (AGI)
Dalam sebuah makalah yang diterbitkan di Nature , para peneliti AI yang menciptakan chip Tianjic mengamati bahwa pekerjaan mereka dapat membantu membawa kita lebih dekat dengan kecerdasan umum buatan (AGI). AGI seharusnya meniru kemampuan otak manusia. Teknologi AI saat ini sempit : mereka dapat memecahkan masalah spesifik dan buruk dalam menggeneralisasikan pengetahuan mereka.

Misalnya, model AI yang dirancang untuk memainkan game seperti StarCraft II akan tidak berdaya ketika diperkenalkan ke game lain, katakanlah Dota 2. Itu akan membutuhkan algoritma AI yang sama sekali berbeda .

Menurut perancang Tianjic, chip AI mereka mampu menyelesaikan berbagai masalah, termasuk deteksi objek,

pengenalan suara, navigasi, dan penghindaran hambatan, semuanya dalam satu perangkat.

Tetapi sementara chip neuromorfik mungkin membawa kita selangkah lebih dekat untuk meniru otak manusia, kita masih memiliki jalan panjang. Kecerdasan umum buatan membutuhkan lebih dari satu paket beberapa model AI sempit bersama-sama.

Jaringan saraf tiruan, pada intinya, adalah mesin statistik, dan statistik tidak dapat membantu untuk menyelesaikan masalah yang memerlukan penalaran, pemahaman, dan pemecahan masalah secara umum. Contohnya termasuk pemahaman bahasa alami dan menavigasi dunia terbuka .

Membuat perangkat keras ANN yang lebih efisien tidak akan menyelesaikan masalah tersebut. Tapi mungkin

memiliki chip AI yang lebih mirip otak kita akan membuka jalur baru untuk memahami dan menciptakan kecerdasan.

Artikel ini awalnya diterbitkan oleh Ben Dickson di TechTalks , sebuah publikasi yang meneliti tren dalam teknologi, bagaimana mereka mempengaruhi cara kita hidup dan melakukan bisnis, dan masalah yang mereka pecahkan. Tetapi kita juga membahas sisi jahat teknologi, implikasi yang lebih gelap dari teknologi baru dan apa yang perlu kita waspadai. Anda dapat membaca artikel aslinya di sini .

Sumber:

https://solopellico3p.com/driver-simulator-3d-apk-mod/