SyNapse: Το επόμενο βήμα στην τεχνητή νοημοσύνη, από την IBM

[AgelosMo]

Πριν λίγο καιρό σε μια συνέντευξη του, ο Dr. Cooper, ο «πατέρας» της κινητής τηλεφωνίας, είχε αναφερθεί στο γεγονός ότι θα ήταν βολικό να φοράει ένα chip πίσω από το αυτί του, και αυτό να καταλαβαίνει στιγμιαία τι σκεφτόμαστε ώστε να εκτελεί την συγκεκριμένη λειτουργία. Βέβαια ο Dr. Cooper, αναφερόταν στην περίπτωση του να μειώσουμε τις συσκευές που χρησιμοποιούμε (smartphone, smartwatch, glass, band) και να προσπαθήσουμε να επιτύχουμε μεγαλύτερη εργονομία με ένα chip που θα τα συγκεντρώνει όλα σε ένα. Αυτό το μέλλον, ωστόσο, φαίνεται να μην είναι και τόσο μακρινό.

 

Η επένδυση της IBM

 

Εδώ και δεκαετίες, η βασική σχεδιαστική αρχή ενός chip είναι η αρχιτεκτονική Von Neumann. Παρόλο που οι ερευνητές ασχολούνται με την κατασκευή chip, που έχουν μορφή και συμπεριφορά νευρώνων, εδώ και δεκαετίες, δεν υπήρχε μεγάλη πρόοδος. Είτε ήταν πολύ απλή η δομή και η αρχιτεκτονική, είτε δεν ήταν αρκετά ισχυρά ώστε να έχουν πρακτική εφαρμογή.

 

Όλα αυτά όμως ήρθε να αλλάξει μια δημοσίευση από την IBM, στο περιοδικό Science. Το νέο chip που παρουσίασε η εταιρία, χρησιμοποιεί σχεδιαστικά πρότυπα κατευθείαν από τον εξωτερικό φλοιό του ανθρώπινου εγκεφάλου. Παρόλο που δεν μπορεί να συγκριθεί σε ισχύ με τους σύγχρονους μικροεπεξεργαστές σε απόλυτα νούμερα, το συγκεκριμένο chip καταναλώνει σημαντικά λιγότερη ενέργεια και είναι σημαντικά καλύτερο στην επεξεργασία εικόνας, μουσικής και άλλων δεδομένων από αισθητήρες.

 

Το όνομα του είναι SyNapse. Η αρχή λειτουργίας του είναι, πως επεξεργάζεται τις πληροφορίες χρησιμοποιώντας ένα δίκτυο από εκατομμύρια «νεύρα», που επικοινωνούν μεταξύ τους με ηλεκτρικούς παλμούς –όπως κάνουν τα πραγματικά νεύρα. Η κατασκευή γίνεται από συμβατικά υλικά, όπως και τα υπόλοιπα chip, δηλαδή από πυρίτιο. Με τη διαφορά, όμως, να είναι στο ότι μιμούνται την συμπεριφορά των νευρών και των ενώσεων μεταξύ τους. Όταν του δωθούν δεδομένα, το SyNapse, προκαλεί ένα κύμα από παλμούς και τα νεύρα του αντιδρούν, προκαλώντας ακόμα περισσότερους. Τα, περίπου, ένα εκατομμύριο νεύρα που διαθέτει το chip, οργανώνονται σε 4.096 τμήματα των 250 το καθένα. «Αυτός ο σχεδιασμός δεν έγινε τυχαία, αφού τον εμπνεύστηκαν από τον τρόπο που είναι οργανωμένος ο εγκέφαλος των θηλαστικών, ο οποίος περιέχει επαναλαμβανόμενα κυκλώματα από 100 και 250 νεύρα», όπως εξηγεί ο Dharmendra Modha, ο επικεφαλής του προγράμματος για το SyNapse. Κατά τη διάρκεια του προγραμματισμού του chip, πρέπει να επιλεγούν ποια νεύρα θα ενωθούν, και με πόση ένταση θα επηρεάζονται μεταξύ τους.

 

Κατά τη στιγμή της παρουσίασης του, το εν λόγω chip, δεν ήταν έτοιμο για να λειτουργήσει σε πραγματικές συνθήκες. Σε μια επίδειξη εντός του ερευνητικού κέντρου της IBM, το Almaden, ένα από τα πρότυπα SyNapse, αναγνώριζε αυτοκίνητα, ανθρώπους, ποδήλατα και όλα αυτά σε ένα βίντεο μιας διασταύρωσης. Σε ένα φορητό υπολογιστή, που ήταν προγραμματισμένος να εκτελέσει τις ίδιες εντολές, επεξεργάστηκε το ίδιο βίντεο 100 φορές πιο αργά και κατανάλωσε 100,000 φορές περισσότερο ενέργεια από ότι το chip της IBM.

 

Η σύγκριση

 

Όπως είναι λογικό, μια τέτοια κατασκευή έρχεται να συγκρουστεί με τις παραδοσιακές μορφές επεξεργασίας δεδομένων. Εξάλλου, ήδη οι μεγάλες ανακαλύψεις στην ανάλυση εικόνας και αναγνώρισης φωνής, έγιναν με την χρησιμοποίηση προσομοίωσης νευρωνικών δικτύων. Ωστόσο, αυτά τα δίκτυα χρειάζονται τεράστια τμήματα από συμβατικούς υπολογιστές. Για παράδειγμα, το διάσημο δίκτυο νεύρων της Google, που είναι ικανό να αναγνωρίσει πρόσωπα ανθρώπων, ακόμα και γάτας, χρειάζεται περίπου 1.000 υπολογιστές με 16 επεξεργαστές ο καθένας. Η απόδοση ενός τέτοιου συμβατικού υπολογιστή, περιορίζεται λόγω αποθήκευσης δεδομένων και οδηγιών για το πρόγραμμα, σε ένα τμήμα μνήμης, ξεχωριστό από τον επεξεργαστή που εκτελεί τις οδηγίες. Όσο λειτουργεί ο επεξεργαστής και εκτελεί τις οδηγίες με γραμμική ακολουθία, πρέπει να μεταφέρει συνεχώς πληροφορίες, μπρος – πίσω, από την μνήμη. Μια «θηλιά» που καθυστερεί την επεξεργασία και χαραμίζει ενέργεια.

 

Στο καινούργιο chip της IBM, υπάρχουν λίγο παραπάνω από 5 εκατομμύρια τρανζίστορ, περισσότερα από όσα έχουν οι σταθεροί επεξεργαστές, και από οτιδήποτε έχει κατασκευάσει η ίδια η IBM. Παρόλα αυτά, καταναλώνει ελάχιστη ενέργεια. Στην παραπάνω επίδειξη της οδικής διασταύρωσης, κατανάλωσε περίπου 63mmWatt ενέργειας, ενώ ένας Server με ίδιο αριθμό τρανζίστορ, καταναλώνει δεκάδες Watt ενέργειας –περίπου 10.000 φορές παραπάνω. Αυτό είναι και το σημείο κλειδί, σύμφωνα με τον Horst Simon, επικεφαλής του Lawrence Barleley Lab, αφού «ενδέχεται να αποτελέσει ιστορική εφεύρεση λόγω της ελάχιστης κατανάλωσης του και της μοναδικής του αρχιτεκτονικής».

 

Τα αρνητικά

 

Τα θετικά μιας τέτοιας συσκευής, σαφώς και υπερκαλύπτουν τα αρνητικά. Ωστόσο το ένα και μοναδικό σημαντικό ψεγάδι, που μπορεί να σταθεί εμπόδιο στην περαιτέρω ανάπτυξη του chip, είναι ο προγραμματισμός του. Παρόλο που η εταιρία είχε ανακοινώσει πως θα δώσει προγραμματιστικά εργαλεία προκειμένου η συγκεκριμένη δουλειά να γίνει πιο εύκολη, ο επικεφαλής της ομάδας προγραμματισμού του chip, Dharmendra Modha, ανέφερε πως «ο προγραμματισμός του είναι επίπονη εμπειρία».

 

Η νέα σελίδα στην ιστορία

 

Η IBM μετά από την αποκάλυψη του νέου επαναστατικού της chip, SyNapse, θεώρησε καθήκον της να το διαθέσει στην παραγωγή, αναζητώντας συμπαίκτες για να την βοηθήσουν. Ο στόχος της είναι οι φορητές συσκευές, όπως τα smartphones, smartwatches κ.ο.κ.

 

«Ενσωματώνοντας τέτοιου είδους chip σε μια φορητή συσκευή, γίνεται αμέσως κατανοητό πως είναι πιο εύκολο για αυτές, να αναγνωρίζουν ότι συμβαίνει γύρω από τον ιδιοκτήτη τους και να μπορούν να αντεπεξέλθουν καλύτερα στις εντολές του», τάδε έφη John Kelly, αντιπρόεδρος της IBM και επιβλέπων της IBM Research. Αυτές οι ενέργειες, ίσως να υποκαταστήσουν ή ακόμα και να συνεργαστούν με τα νεότερα μοντέλα φωνητικών εντολών ή, όπως έγιναν ευρέως γνωστά, «ψηφιακών βοηθών» όπως η Siri της Apple, η Cortana της Microsoft και το Google Now της Google. Η λειτουργία του, έτσι όπως την έθεσαν στο τραπέζι σε συζητήσεις με υποψήφιους συνεργάτες, θα είναι να δουλεύει δίπλα στον κανονικό επεξεργαστή της φορητής συσκευής, αλλά δεν θα σβήνει ποτέ και θα είναι μονίμως σε λειτουργία. Εξάλλου, σε αυτό βοηθάει και το μέγεθος του, που είναι περίπου στην κλίμακα ενός γραμματόσημου, και φέρει μεταξύ των νεύρων του 256 εκατομμύρια ενώσεις. Ωστόσο, όπως προείπαμε, το αρνητικό σε αυτή την περίπτωση είναι ότι θα χρειαστεί προγραμματισμός με τελείως νέα προσέγγιση από τα υπάρχοντα νευρωνικά δίκτυα που χρησιμοποιούν εταιρίες όπως Facebook, Microsoft και Google, που τους βοήθησαν να κάνουν αρκετές ανακαλύψεις όσον αφορά την επεξεργασία εικόνας και την αναγνώριση φωνής, μέθοδος που είναι γνωστή ως «deep learning». Αυτός είναι και ο κυριότερος ανταγωνιστής του SyNapse. Το chip της IBM χρησιμοποιεί ηλεκτρικούς παλμούς, προσπαθώντας να μιμηθεί το μοντέλο των βιολογικών νεύρων του εγκεφάλου μας, η μέθοδος deep learning είναι άλλης φιλοσοφίας.

 

Αρκετοί επιστήμονες, μεταξύ των οποίων ο επικεφαλής της προγραμματιστικής ομάδας του Facebook, εξέφρασαν τον σκεπτικισμό τους σχετικά με το πόσο πρακτική θα ήταν αυτή η μέθοδος. Ο επικεφαλής του εργαστηρίου υπολογιστικής νευροβιολογίας στο Ινστιτούτο του Salk, Terrence Sejnowski, ανάφερε πως οι ηλεκτρικοί παλμοί είναι εξαιρετικά σημαντικοί, εάν θέλουμε οι φορητοί υπολογιστές κάθε είδους να μπορούν να κάνουν «έξυπνα πράγματα», χωρίς να καταναλώνουν ενέργεια και δεδομένα. «Για κάποιο λόγο, εμφανίστηκαν στη φύση», ήταν τα ακριβή λόγια του. Ένας άλλος πρωτοπόρος της μεθόδου deep learning, ο Yoshua Bengio του Πανεπιστημίου του Μοντρεάλ, θεωρεί πως ίσως είναι πιο εύκολο από όσο νομίζαμε παλαιότερα να υιοθετηθεί η τεχνική των ηλεκτρικών παλμών από αυτή του deep learning. Όπως και να έχει η τεχνολογία έχει προχωρήσει αρκετά, που ήδη κορυφαίες εταιρίες του χώρου, όπως η Google και η Qualcomm, έχουν αναπτύξει τα δικά τους νευρωνικά δίκτυα deep learning και ετοιμάζονται να τα διαθέσουν στους καταναλωτές. Το μεγάλο ερώτημα είναι, ποια είναι η στάση που πρέπει να κρατήσει ο καταναλωτής.

 

The other side of the moon

 

Είναι προφανές πως, όταν ο Dr. Cooper αναφερόταν στην συνέντευξη του για την ευκολία που θα κάναμε ορισμένες εργασίες, κανένας δεν μπορούσε να φανταστεί ότι η συγκεκριμένη τεχνολογία όχι μόνο θα είχε αναπτυχθεί, αλλά σύντομα πρόκειται να γίνει διαθέσιμη στους καταναλωτές. Διαβάζοντας τις παραπάνω γραμμές, βλέπουμε ότι η ιδέα της τεχνητής νοημοσύνης (A.I) έχει πλέον αναπτυχθεί σε ικανοποιητικό βαθμό. Όμως, πόσο ώριμος είναι ο καταναλωτής προκειμένου να υιοθετήσει αυτού του είδους την τεχνολογία, να την ενσωματώσει στην καθημερινότητα του και να την χρησιμοποιήσει προς όφελος του;

 

Η φωτεινή πλευρά του φεγγαριού, είναι πως η τεχνολογική εξέλιξη έχει κάνει τεράστια βήματα μπροστά, τέτοια που θα μας επιτρέπει σε λίγα χρόνια να κρατάμε έναν «ψηφιακό εγκέφαλο» μέσα στην παλάμη μας. Πλέον είμαστε σε θέση την πιο πολύπλοκη «μηχανή» στον πλανήτη, τον εγκέφαλο μας, να τον χαρτογραφήσουμε (ένα μεγάλο μέρος του τουλάχιστον) και να τον αντιγράψουμε ώστε να χρησιμοποιήσουμε την αρχιτεκτονική του προς όφελος μας.

Η σκοτεινή πλευρά του φεγγαριού όμως, παραμένει η εξής: Πως θα χρησιμοποιήσει ένας απλός χρήστης αυτού του είδους τις τεχνολογικές βοήθειες στην καθημερινότητα του; Εκτός από την ενσωμάτωση στις προσωπικές μας εργασίες αυτών των εξαιρετικά ανεπτυγμένων «ψηφιακών βοηθών – εγκεφάλων», εγείρονται ζητήματα ιδιωτικότητας. Προκείμενου να φτάσουν στο μέγιστο αποδοτικό επίπεδο τέτοιου είδους chip, προφανώς, θα χρειάζονται πρόσβαση σε ιδιωτικά στοιχεία, και θα παρακολουθούν πολλές στιγμές της καθημερινότητας μας. Ένα πολύ μεγάλο θέμα, που δεν το άγγιξε κανείς.

 

Τα ερωτήματα είναι πολλά, όπως είναι εξάλλου κάθε φορά που αναπτύσσεται μια συσκευή που αλλάζει την ιστορία, και δεν περιορίζονται μόνο στην εξέλιξη της τεχνολογίας, αλλά και στον τρόπο που αυτή χρησιμοποιείται. Ένα θέμα, άμεσα συνυφασμένο, με την τεχνολογική εκπαίδευση που λαμβάνουμε ως καταναλωτικό κοινό, αλλά και κατά πόσον διαθέτουμε την ωριμότητα να υιοθετήσουμε με τον κατάλληλο τρόπο, την φιλοσοφία αυτών των συσκευών.

 

[via] - [via]

Edited November 4, 2015 by AgelosMo

[charlie_pace4]

Πολύ καλό το άρθρο, congrats Άγγελε :) !

θα έχει ενδιαφέρον να δούμε τις εξελίξεις σε αυτόν τον τομέα, μιας και αρκετές εταιρείες στρέφονται εκεί, και αν η ΙΒΜ θα καταφέρει να κάνει την δημιουργία της standard στην αγορά, μιας και οι δυσκολίες δεν είναι αμελητέες.

[empyrium]

:respect: συμφωνω κι'εγω πολυ καλο αρθρο και μακαρι να δω κι'αλλα

[dyannisb]

Ευγε στην IBM.. Συμφωνω και εγώ πως δεν ηταν τυχαίο ότι η φύση επέλεξε αυτήν την μέθοδο..

 

Πολύ καλή δουλειά και από την ομάδα του myPhone

[me00016]

Εντυπωσιακό! Αναμένουμε τις εξελίξεις με ιδιαίτερο ενδιαφέρον!

[Nikos_Mpl]

πλησιαζει η μερα που θα μας φανε τα ρομποτ...:lol::lol::p

[Nikos_Mpl]

Παντως η εξελιξη ειναι τρομερη και αν η τενχολογια δεν χρησιμοποιηθει σωστα,δεν ξερω που θα φτασουμε.. Edited November 4, 2015 by impreza_sti

[cna]

Συγνώμη εάν φανώ λίγο nerd αλλά στο άρθρο πρέπει να διορθωθεί η επαναλαμβανόμενη αναφορά σε νεύρα, στο τμήμα της ανάλυσης της λειτουργίας του chip, με αναφορά σε νευρώνες. Τα νεύρα είναι η καλωδίωση, ο νευρώνας είναι που εκτελεί τις πράξεις οπότε το chip έχει συστοιχίες των 250 νευρώνων και όχι νεύρων.

 

Πάντως πολύ καλή δουλειά από την IBM. Άντε να το δούμε και στην γραμμή παραγωγής...