L’uomo ha creato i computer per esaltare e potenziare le possibilità del proprio cervello. Tuttavia ancora oggi ne conosciamo solo in parte il funzionamento. E la sfida di comprendere come gli oltre 80 miliardi di neuroni e un numero di sinapsi variabile tra le decine e le migliaia di trillioni si attivino e interagiscano tra loro è ancora del tutto aperta.
Si tratta di una sfida che ispira molto i ricercatori, anche in ambito IT, al punto che capire il funzionamento del cervello umano per replicarlo nei chip è alle base di quello che il Mit ha definito il computing neuromorfico.
Ancora oggi i calcoli, anche quelli dei chip più potenti, si basano su segnali binari. Gli elementi di un chip neuromorfico invece si scambiano segnali in modo simile a come fanno i neuroni che sono in grado di attivarsi, in modo sensibile (non semplicemente con la dinamica binaria acceso/spento), a seconda del tipo e del numero di ioni che percorrono una sinapsi.
Certo non siamo nemmeno vicini al traguardo, ma intanto la ricerca continua. Anche quella di Intel, che annuncia Pohoiki Beach un sistema neuromorfico da “appena” 8 milioni di neuroni, con 64 chip sperimentali Loihi, ispirato al cervello umano perché applica nelle architetture informatiche i principi già conosciuti e utilizzati dai cervelli biologici.
Nel marzo 2018 Intel ha creato Intel Neuromorphic Research Community (Inrc) per favorire lo sviluppo di algoritmi, software e applicazioni neuromorfici. Un anno prima aveva già introdotto il primo chip neuromorfico di ricerca Loihi.
Con l’introduzione del sistema neuromorfico attuale, Pohoiki Beach, sarà possibile impiegare i nuovi algoritmi ispirati alle reti neurali – modelli costituiti da interconnessioni di informazioni in grado di apprendere e modellarsi sulla base dei dati in entrata – come quelle di localizzazione e mappatura simultanea o di simulazione dei percorsi. Non solo, Intel si ripropone, entro la fine dell’anno, di arrivare a generare sistemi neuromorfici da 100 milioni di neuroni.
Il computing binario, come lo abbiamo conosciuto fino ad oggi, non basta per sostenere le operazioni più complesse delle applicazioni emergenti. Le stesse architetture vanno specializzandosi a seconda di singoli task specifici.
Pohoiki Beach rappresenta già, nel suo piccolo, un’architettura specializzata per le applicazioni emergenti come quelle sfruttate in ambito IoT, a partire dai dispositivi autonomi. Utilizzando questo tipo di sistema anziché tecnologie informatiche per uso generico, si ottengono guadagni sia in termini di velocità sia in termini di efficienza.
Pohoiki Beach, è costituita da diverse Nahuku board e contiene 64 chip Loihi (Credit: Tim Herman/Intel Corporation)
Sono già disponibili casi d’uso, per esempio i ricercatori utilizzano Loihi nell’ambito dell’ingegneria neuromorfica. Tra i progetti quelli che includono l’inferenza degli input tattili per la pelle elettronica del robot iCub, ma anche l’automazione di un biliardino con rilevamento e controllo neuromorfico e la possibilità di fornire capacità di adattamento alla gamba protesica Ampro.
Storie concrete anche quelle di Applied Brain Research che ha ottenuto un consumo energetico 109 volte inferiore con un benchmark di deep learning in tempo reale rispetto a una tradizionale Gpu e un consumo energetico 5 volte inferiore in confronto all’hardware specializzato per l’inferenza IoT, mentre il laboratorio della Rutgers University ha realizzato con Intel Loihi una rete neuronale che imita le rappresentazioni e il comportamento neuronale del cervello.
Le proprietà ad indirizzare gli utilizzi come mappatura simultanea (Slam) è emersa come specifica della struttura della rete. Con i benchmark è stata misurata la performance della proposta basata su Loihi, accurata, ma inoltre con i vantaggi di un consumo di energia 100 volte inferiore rispetto al metodo basato su Cpu, ampiamente utilizzato per i robot mobili.
Prossimo step sarà l’introduzione dell’evoluzione di Pohoiki Beach, ovvero Pohoiki Springs, basato sulla medesima architettura del modello annunciato.
Gli ingegneri di Intel si aspettano che le misurazioni su questi sistemi sperimentali chiariscano le aree applicative adatte per un’effettivo utilizzo del calcolo neuromorfico e quantifichino i vantaggi ottenibili con questi metodi di calcolo.
© RIPRODUZIONE RISERVATA
