L’anno scorso Intel aveva annunciato Loihi, il suo nuovo chip che simulava le sinapsi del cervello umano. Questo chip neuromorfico era in grado di funzionare in modalità di auto-apprendimento, ottimizzando anche la sua efficienza energetica. Non solo Intel ha perfezionato il suo piccolo capolavoro, ma l’ha anche inserito all’interno di una chiavetta USB!

Durante 6 anni di sviluppo, Intel ha inserito al suo interno 130 000 “neuroni” e 130 milioni di “sinapsi”. Tramite questi meccanismi, il chip è in grado di imparare in real-time grazie anche agli stimoli ricevuti dall’esterno. Un chip del genere aumenterebbe l’efficenza dell’intelligenza artificiale dedicata al riconoscimento di modelli in molti campi di ricerca.

Un chip di ricerca

Loihi, il chip Intel che simula il funzionamento del cervello umano, arriva su una chiavetta USB per migliorare il suo utilizzo da parte degli enti di ricerca.
Annuncio Intel del chip Loihi. Credits: www.wccftech.com

Realizzato con la tecnologia di processo costruttivo a 14 nm di Intel, il chip riesce a essere sino a 1000 volte più efficiente dal punto di vista energetico, conseguendo un vantaggio anche sulla potenza in termini di calcolo computazionale.

Il chip di test Loihi utilizza molte meno risorse per lo stesso compito rispetto a tecnologie come le reti neurali convoluzionali o quelle di apprendimento profondo. Così, i ricercatori hanno potuto dimostrare che l’apprendimento mostra un tasso di miglioramento di 1 milione di volte rispetto agli altri tipi di reti neurali.

“L’idea consiste nell’aiutare i computer ad auto-organizzarsi e a prendere decisioni basate su modelli e associazioni”, ha spiegato Michael Mayberry, PhD, vice presidente e direttore generale di Intel Labs alla Intel Corporation.

Secondo Mayberry, il chip diventa automaticamente più intelligente con il passare del tempo e non ha bisogno di ricevere istruzioni e addestramento con le modalità tradizionali.

Kapoho Bay: dallo sviluppo a una chiavetta USB

Di recente l’azienda statunitense ha annunciato Kapoho Bay, nome in codice di una piattaforma di ricerca neuromorfica Loihi ridotta alle dimensioni di una chiavetta USB.

Loihi, il chip Intel che simula il funzionamento del cervello umano, arriva su una chiavetta USB per migliorare il suo utilizzo da parte degli enti di ricerca.
Il chip Loihi. Credits: http://www.datamanager.it

Perché un tecnologia del genere su una chiavetta USB? Kapoho Bay sarà utilizzata dalla Intel Neuromorphic Research Community (INRC) sulla quale i membri faranno ricerca nel mondo della robotica. Per i membri dell’INRC, tra i quali figurano enti governativi, gruppi di ricerca e atenei, sarà molto più semplice avere accesso all’hardware in questo modo. Essi riceveranno, insieme al software development kit di Loihi, denominato “Nx SDK”, un servizio cloud neuromorfico che consentirà di accedere da remoto all’hardware Loihi e all’SDK per sviluppare algoritmi, software e applicazioni.

“Anche se ci sono molti problemi irrisolti da affrontare a tutti i livelli nella ricerca sul calcolo neuromorfico, riteniamo che lo stato dell’hardware neuromorfico sia attualmente superiore a quello del software. Siamo certi che questa rete di membri farà progredire rapidamente lo stato degli algoritmi di apprendimento neuromorfico, dimostrando il valore di questa tecnologia emergente in una vasta gamma di applicazioni”, ha affermato Mike Davies, direttore del Neuromorphic Computing Lab di Intel.

A oggi Intel ha selezionato 50 progetti ideati dai membri dell’INRC. Tra le università selezionate che riceveranno fondi risaltano: University of Bern, University of California, di Berkeley, University of California di San Dieg, Cornell University, University of Göttingen, TU Graz, Harvard University, TU Munich, Radboud University, University of Tennessee e Villanova University.

I progetti dovranno essere sviluppati entro periodi specifici, in una serie di quattro ondate, la prima delle quali è iniziata nel terzo trimestre di quest’anno.

L’obiettivo è quello di sviluppare e testare diversi algoritmi ad alta efficienza per risolvere problemi computazionali che comprendono la pianificazione del percorso, la soddisfazione dei vincoli, la codifica sparsa, l’apprendimento dei dizionari e l’adattamento dinamico del modello.

Fonte: Sito ufficiale della pubblicazione

LEAVE A REPLY

Please enter your comment!
Please enter your name here