הטכניון מציג: בינה מלאכותית במהירות שיא
חוקרים בטכניון פיתחו פלטפורמה המאיצה פי 1,000 את תהליך הלמידה של מערכות בינה מלאכותית ומצמצמת את הצריכה האנרגטית ב-80%
חוקרים בפקולטה להנדסת חשמל בטכניון פיתחו חומרה חדשנית המאיצה את תהליך הלמידה של מערכות בינה מלאכותית.
בטכניון הסבירו כי בשנים האחרונות חלה התקדמות משמעותית בעולם הבינה המלאכותית, בעיקר הודות למודלים של רשתות נוירונים עמוקות (DNNs).
רשתות אלה, הוסיפו, שתוכננו בהשראת המוח האנושי ודרכי הלמידה האנושיות, מבצעות בהצלחה חסרת תקדים משימות מורכבות כגון נהיגה אוטונומית, עיבוד שפה טבעית, זיהוי רגשות בטקסט, תרגום, זיהוי תמונה ופיתוח טיפולים רפואיים חדשניים. זאת באמצעות למידה עצמית מתוך מאגר עצום של דוגמאות כמו תמונות לדוגמה. טכנולוגיה זו מתפתחת במהירות בקבוצות מחקר אקדמיות כמו גם בחברות ענק כגון פייסבוק וגוגל, הרותמות אותה לצורכיהן.
סרטון המחקר. מתוך יו-טיוב
מכיוון שהלמידה מתוך דוגמאות דורשת כוח מחשוב רב היא מבוצעת לרוב במחשבים המכילים מעבדים גרפיים (GPU) המצטיינים בכך. עם זאת, מהירותם של מעבדים אלה עדיין נמוכה יחסית לקצב הלימוד הרצוי של רשתות הנוירונים ולכן המעבד עדיין מהווה צוואר בקבוק בתהליך זה.
יתר על כן, השימוש במעבדים צורך אנרגיה רבה.
לדברי ד"ר שחר קוטינסקי, מוביל המחקר, "למעשה יש לנו כאן חומרה שנועדה במקור לשימושים אחרים – גרפיקה, בעיקר – והיא אינה עומדת בקצב המהיר של הפעילות המתרחשת ברשתות הנוירונים. כדי לפתור את הבעיה הזאת אנחנו חייבים חומרה ייעודית שמותאמת לעבודה עם רשתות נוירונים עמוקות."
מצמצמת את הצריכה האנרגטית ב-80%
ואכן, קבוצת המחקר של ד"ר קוטינסקי פיתחה, ברמה התאורטית, מערכות חומרה המותאמות במיוחד לעבודה עם רשתות אלה ומאפשרות לרשת הנוירונים לבצע את שלב הלמידה במהירות גבוהה ובאנרגיה מופחתת.
לדברי ד"ר קוטינסקי, "בהשוואה לעבודה עם מעבדים גרפיים, החומרה שלנו משפרת את מהירות החישוב פי 1,000 ומצמצמת את הצריכה האנרגטית ב-80%."
את המחקר הובילו עם ד"ר קוטינסקי והדוקטורנטית צפנת גרינברג-טולדו, והשתתפו בו הסטודנטים רועי מזור ואמיר חג' עלי. מאמרם פורסם בכתב העת Transactions on Circuits and Systems שמוציאה האגודה הבינלאומית למהנדסי חשמל ואלקטרוניקה (IEEE).
בטכניון אמרו עוד כי החומרה שפיתחה הקבוצה מהווה פריצת דרך ושינוי תפישתי של ממש: במקום שיפור של מעבדים קיימים פיתחו חוקרי הטכניון מבנה של מכונת חישוב תלת-ממדית המשלבת בתוכה את הזיכרון.
"במקום פיצול בין היחידות המבצעות את החישובים לזיכרון האחראי לשמירת המידע, אנחנו עושים הכל בתוך הממריסטור – רכיב זיכרון בעל כוח חישובי המשמש במקרה זה באופן ייעודי לעבודה עם רשתות נוירונים עמוקות", הוסיף ד"ר קוטינסקי.
אף שמדובר בעבודה תאורטית, הקבוצה כבר הדגימה את יישומו של הפיתוח ברמת הסימולציה.
אם הקורא "מפתח חומרה ברמה התיאורטית" היה טורח לבדוק אפילו בויקיפדיה היה מוצא שיש כבר לא מעט מימושים של הממריסטור. חלקם נעשה על ידי חברות קקיוניות כמו HP וסמסונג ציטוט לדוגמא n April 2010, HP labs announced that they had practical memristors working at 1 ns (~1 GHz) switching times and 3 nm by 3 nm sizes,[50] which bodes well for the future of the technology.[51] At these densities it could easily rival the current sub-25 nm flash memory technology.
ממריסטור הוא רכיב דמיוני שלא קיים בשום מוצר, וככל הנראה גם בלתי אפשרי לייצר לכן אין מה לנטוע ציפיות מוגזמות באנשים באמצעות כותרת כזו
היכן ניתן לקרא / ללמוד על ישומים של ממריסטורים ושילובם ברשתות חישוב עצביות?
החומרה היא תמיד צוואר הבקבוק, חבל שהפיתוח לא נעשה עם חומרים חדשים כי הסיליקון הגיע לקצה היכולת מכל מקום הגדלת המהירות תיצור בעיות במערכות סמוכות כמו חום