チップ大手インテルはこのほど、将来的な脳AIに関する研究を支援し、現在のAIの効率性と持続可能性に関する課題を解決するために米サンディア国立実験室に最初に配備されたHala Pointという大型神経擬態システムを発表した。
Hala Pointは、インテルの第1世代大規模研究システムPohoiki Springsに加え、アーキテクチャの改良によって発展し、そのニューロン容量は10倍以上、性能面では12倍に向上したという。
主流のAI作業において先進的な計算効率を示す最初の大型神経擬態システムとして、Hala Pointは伝統的な深さニューラルネットワークを実行する際に毎秒20兆回の演算（20 petaops）を支持し、効率は毎秒1ワット当たり15兆回の8ビット演算（TOPS/W）を超えた。
インテルは、独自の機能により、科学的および工学的な問題の解決、物流、インテリジェントな都市インフラストラクチャ管理、大言語モデル、人工知能エージェントなど、将来のAIアプリケーションのリアルタイムで継続的な学習を実現できると述べています。
インテルが公告で明らかにしたデータによると、Hala Pointには1152個のインテル4プロセスベースのインテルLoihi 2プロセッサーが内蔵され、11.5億個のニューロンと1280億個のシナプスをサポートし、毎秒380兆個を超える8ビットシナプスと240兆個を超えるニューロン操作を処理することができる。最大消費電力は2600 Wで、補助計算用の組み込み型x 86プロセッサも2300以上含まれています。
生体パルスニューラルネットワークモデルに応用する場合、Hala Pointは人の脳より20倍速いリアルタイム速度でその中に含まれる11億5000万個のニューロンを運行することができ、運行ニューロンの数が低い場合、最高速度は人の脳より200倍速い。Hala Pointは神経科学的モデル化には使用されていないが、そのニューロン容量はフクロウの脳や巻尾猿の大脳皮質にほぼ匹敵する。インテルも、Loihiベースのこのシステムは、従来のCPUやGPUアーキテクチャよりも50倍速い速度でAI推論を実行し、最適化の問題を解決できると指摘しています。
背後には、インテルの神経擬態に関する長期的な研究がある。簡単に言えば、神経擬態計算は脳の計算過程の学習から来て、脳の神経ネットワークはパルスを通じて情報を伝達して、脳内の神経ネットワークとその環境の中の複数の領域間の協力と競争性相互作用は知能的な行為を生んだ。神経擬態という計算方式は、人間の脳ニューロンの構造をよりよくシミュレーションし、知能の程度を高めることができる。
2015年からインテルは神経擬態計算の研究を開始し、2017年にはインテルが初の自律学習用神経擬態チップLoihiを発売した。2019年までにインテルは64個のLoihiを含むPohoiki Beachシステムを発売し、2020年までにインテルが発売したPohoiki Springsは768個のLoihiチップを含み、1億個のニューロンを保有している。インテルは「話すことができる」玄鳳オウムを選んで研究しているという。
2021年、Loihiシリーズがバージョンアップし、インテルは第2世代神経擬態チップLoihi 2を発表した。現在、インテルはLoihi 2、Pohoiki Springsに基づいて反復を続けています。AIコンピューティングパスにおいて、チップ大手の競争はさらに激化し、類脳技術の研究、学際的な研究も論争の中で発展し続けている。
インテル実験室神経擬態計算実験室のマイク・デイビス主任は、「現在のAIモデルの計算力コストは持続不可能な速度で上昇しており、業界は規模拡大の新しい方法を必要としている。そのためにHala Pointを開発し、深さ学習の効率性と新穎の類脳学習と最適化能力を結合し、Hala Pointの研究を通じて、大規模AI技術の効率と適応性の面で推進し、突破したい」と述べた。
サンディア国立実験室の研究者はHala Pointを用いて先進的な脳規模計算研究を行う予定で、デバイス物理、コンピュータ構造、コンピュータと情報科学における科学計算問題の解決に専念する。サンディア国立実験室のHala Pointチーム責任者であるCraig Vineyard氏も、「Hala Pointと協力することで、サンディアチームのコンピューティングと科学モデリングの問題解決能力が向上し、この規模のシステムを用いた研究は、AIのビジネス、国防、基礎科学などの分野での発展に追いつくことができる」と述べた。
インテルも、次のHala Pointシステムがサンディア国立研究所に納入されることを明らかにした。これは、インテルが共有する大型神経擬態研究システムの最初の導入を意味し、次の開発により、神経形態計算アプリケーションはAI能力の現実世界におけるリアルタイム配備の電力と遅延の制限を克服する。