Tiga tahun setelah peluncuran perangkat “neuromorfik” kedua, Intel pada hari Rabu mengumumkan bahwa perusahaan telah mengumpulkan 1.152 komponen dalam satu proses transfer yang disebut Hala Point, bekerja sama dengan Laboratorium Nasional Sandia dari Departemen Energi AS.
1.152 chip Loihi 2 Hala Point mendukung 1,15 miliar neuron buatan, kata Intel, “dengan 128 miliar sinapsis didistribusikan ke 140.544 inti pemrosesan neuromorfik.” Ini merupakan peningkatan dari sistem multi-chip Loihi Intel yang memulai debutnya pada tahun 2020 bernama Pohoiki Springs yang hanya menggunakan 768 chip Loihi 1.
Sandia Labs berencana menggunakan sistem ini dalam apa yang disebutnya “penelitian komputasi otak”, untuk memecahkan masalah di bidang fisika perangkat keras, arsitektur komputer, ilmu komputer, dan informasi.
Juga: Intel merilis chip neuromorfik Loihi generasi kedua dengan hasil luar biasa dalam masalah optimasi
“Untuk pertama kalinya kami menunjukkan jaringan saraf dalam yang dipetakan dan diubah menjadi model yang dapat berjalan dengan cara ini dalam sistem neuromorfik,” Mike Davies, kepala Lab Komputasi Neuromorfik Intel, mengatakan kepada ZDNET. “Ini adalah yang pertama bagi semua orang, menunjukkan bahwa jaringan saraf dalam, dengan peringatan lain, dapat berjalan dan bersaing dengan GPU terbaik dan, ASIC (sirkuit terintegrasi aplikasi) yang sedang dikembangkan saat ini.”
Komputasi neuromorfik adalah istilah umum yang diberikan untuk berbagai upaya untuk membuat komputasi yang meniru aspek tertentu dari struktur otak. Istilah ini dimulai pada awal tahun 1980-an ketika pionir komputer legendaris Carver Mead tertarik pada bagaimana kumpulan besar transistor dalam sebuah chip berinteraksi dengan baik. Teori Mead adalah bahwa pengkabelan antar transistor harus memenuhi sebagian pengkabelan otak.
Ada banyak proyek sejak itu, termasuk karya Winfried Wircke dari Pusat Penelitian Almaden IBM di San Jose, eksperimen chip TrueNorth di IBM, dan proyek Intel Loihi. Scott Fulton III dari ZDNet memiliki banyak koleksi kasus paling menarik dalam komputasi neuromorfik.
Juga: Intel, mitranya telah mencapai kemajuan dalam pengembangan chip komputasi neuromorfik Loihi
Tujuan dari chip neuromorfik adalah mereplikasi “lonjakan” neuron di otak adalah cara yang jauh lebih baik daripada menggunakan miliaran “bobot” atau “parameter” jaringan saraf yang berulang kali mengubah setiap titik.
Fokus Intel pada komputasi neuromorfik terutama pada perangkat komputasi “edge”, seperti komputer desktop dengan prosesor tertanam, bukan mesin kelas Xeon.
Mesin Hala Point adalah eksperimen Davies dan timnya untuk mengeksplorasi bagaimana neuromorfik dapat tumbuh.
“Ada visi jangka panjang yang mengesankan untuk meningkatkannya ke tingkat dasar ilmu pengetahuan,” kata Davies. “Kita semua memikirkan otak manusia; akan menyenangkan jika membangun sistem yang sangat besar dan menunjukkan bahwa sistem tersebut melakukan sesuatu yang mendekati apa yang bisa dilakukan otak manusia.” Otak manusia diyakini mengandung satu triliun neuron, meski tidak semuanya bekerja pada waktu yang sama.
Kuantifikasi mungkin penting dalam mengungkap kemampuan komputasi neuromorfik. Karena bahasa-bahasa utama seperti ChatGPT OpenAI mendapat manfaat dari apa yang disebut jenis jaringan saraf yang “muncul” dan terus berkembang, sehingga meningkatkan anggaran, “kami percaya bahwa manfaat dan perilaku yang sama akan terlihat pada sistem neuromorfik,” kata Davies.
(“Model AI,” atau “model jaringan saraf,” adalah bagian dari program AI yang terdiri dari beberapa jaringan saraf dan fungsi aktivasi yang merupakan elemen kunci cara kerja program AI.)
Juga: Mengapa rekayasa neuromorfik menyebabkan revolusi analog
Hala Point dapat melakukan hingga 20 kuadriliun operasi per detik dengan 15 triliun operasi per detik per watt, menggunakan aritmatika 8-bit. Konsumsi daya tersebut melebihi kebutuhan chip GPU dan CPU, kata Intel.
Di luar metrik ini, Intel masih mempelajari jenis peningkatan produktivitas yang dapat diperoleh dari sistem yang lebih neuromorfik. Untuk membuktikan nilai Hala Point, Intel berfokus pada bagaimana kinerja sistem dalam masalah optimasi, seperti yang terjadi dalam pengembangan obat. Dalam skala kecil, chip demi chip, komponen Loihi 2 dapat ditingkatkan hingga 50 kali lebih cepat dibandingkan chip konvensional, kata Davies.
“Kami sangat senang dengan kecepatan yang kami lihat,” kata Davies, “dan penghematan energi 100 hingga 1.000 kali lipat pada skala di Hala Point akan menjadi masalah ilmiah yang menghemat biaya dan sangat berguna.”
Meski merupakan metode penelitian, Hala Point dapat membantu mengungkap manfaat neuromorfik yang dapat diterapkan pada Loihi generasi berikutnya, atau di lingkungan yang lebih kecil, kata Davies.
Juga: Intel Labs mencari langkah berikutnya dari raksasa chip ini dalam kemajuan neuromorfik kuantum
“Jika kita menemukan sesuatu dalam skala yang sangat besar yang berfungsi dengan baik, maka kita dapat memikirkan cara untuk membangun infrastruktur sehingga kita dapat menurunkannya ke skala yang sempurna pada skala yang lebih kecil,” ujarnya.
Neuromorphic “tidak akan pernah menggantikan GPU atau akselerator pembelajaran saat ini untuk jenis tugas yang berjalan lancar,” kata Davies. Namun, penelitian terbaru menunjukkan bahwa ada area superkomputer yang mungkin memiliki keterbatasan.
Pada konferensi di Korea Selatan minggu ini, ilmuwan Intel Sumit Bam Shrestha dan tim mempresentasikan temuan mereka dalam makalah penelitian yang membandingkan perangkat Loihi 2 dengan platform Jetson milik Nvidia, serta prosesor Intel i9.
Perangkat lunak ini mencakup PilotNet, jaringan pembelajaran saraf mendalam yang menghitung “parameter kontrol kendaraan berdasarkan data dari kamera RGB dasbor”. Jaringan saraf digunakan untuk memproses bingkai video menggunakan “jaringan saraf konvolusional”, atau CNN, yang telah banyak digunakan dalam AI selama bertahun-tahun.
Juga: Komputasi neuromorfik menemukan kehidupan baru dalam pembelajaran mesin
“Kami melihat bahwa metode neuromorfik baru ini dapat memberikan keuntungan yang signifikan dalam integrasi dan latensi (penundaan energi) dari jaringan saraf feed-forward dan konvolusional yang digunakan dalam video, keluaran suara, dan transformasi visual dibandingkan dengan solusi canggih. tulis Shrestha dan tim.
Karena modul Loihi menggunakan fungsi spiking asinkron, chip tidak akan berfungsi kecuali ada perubahan data. Ini berarti menghemat daya komputasi ketika terdapat data dalam jumlah besar, seperti pada kasus video atau gambar yang mengandung piksel yang tidak berubah.
“Jika ada sinyal yang terdapat kontinuitas sementara pada sinyal masukan, maka arsitektur dapat memanfaatkannya karena terkadang tidak ada perubahan, piksel tertentu tidak berubah, sehingga tidak perlu mengembalikan seluruh frame.” Davies menjelaskan .
Prioritas terbesar Intel adalah menjual komputer neuromorfik, kata Davies. “Menurut saya, kami hampir menjual produk tersebut, namun belum sampai di sana,” kata Davies. Intel tidak terburu-buru menjadi yang pertama melakukan bisnis, katanya. “Fokus kami adalah memastikan bahwa ketika kami menjalankan bisnis, kami memberikan produk terbaik yang kami bisa, untuk memberikan nilai terbesar yang berbeda dari teknologi yang ada, infrastruktur yang ada.”
