DEMET İLCE / MUHABİR
Intel'deki bilim insanları dünyanın en büyük nöromorfik bilgisayarını veya insan beynini taklit edecek şekilde tasarlanmış ve yapılandırılmış bir bilgisayar geliştirdiler. Şirket, gelecekteki yapay zeka (AI) araştırmalarını destekleyeceğini umuyor.
Intel temsilcileri yaptıkları açıklamada, "Hala Point" olarak adlandırılan makinenin yapay zeka iş yüklerini 50 kat daha hızlı gerçekleştirebileceğini ve merkezi işlem birimleri (CPU'lar) ve grafik işlem birimleri (GPU'lar) kullanan geleneksel bilgi işlem sistemlerine göre 100 kat daha az enerji kullanabileceğini söyledi. Bu rakamlar, 18 Mart'ta ön baskı sunucusu IEEE Explorer'a yüklenen ve hakem incelemesinden geçmemiş bulgulara dayanmaktadır.
Hala Point ilk olarak New Mexico'daki Sandia Ulusal Laboratuvarlarında konuşlandırılacak ve burada bilim insanları onu cihaz fiziği, bilgi işlem mimarisi ve bilgisayar bilimlerindeki sorunları çözmek için kullanacak.
Intel'in 1.152 yeni Loihi 2 işlemcisi (nöromorfik bir araştırma çipi) tarafından desteklenen bu büyük ölçekli sistem, 140.544 işlem çekirdeğine dağıtılmış 1,15 milyar yapay nöron ve 128 milyar yapay sinapstan oluşuyor.
Saniyede 20 katrilyon işlem veya 20 petaop gerçekleştirebilir. Nöromorfik bilgisayarlar verileri süper bilgisayarlardan farklı şekilde işler, dolayısıyla bunları karşılaştırmak zordur. Ancak dünyadaki 38'inci en güçlü süper bilgisayar olan Trinity, yaklaşık 20 petaFLOPS'luk bir güce sahiptir; burada FLOP, saniyede bir kayan nokta işlemidir. Dünyanın en güçlü süper bilgisayarı, 1,2 exaFLOPS veya 1.194 petaFLOPS performansıyla övünen Frontier'dır.
Nöromorfik hesaplama nasıl çalışır?
Oak Ridge Ulusal Laboratuvarı'ndan (ORNL) bilgisayar bilimcisi Prasanna Date, ResearchGate'te nöromorfik hesaplamanın geleneksel hesaplamadan mimarisi nedeniyle farklı olduğunu yazdı. Bu tür bilgisayarlar, makineyi oluşturmak için sinir ağlarını kullanır.
Klasik hesaplamada, 1'ler ve 0'lardan oluşan ikili bitler, hesaplamaları sırayla işleyip ikili bir çıktı vermeden önce CPU, GPU veya bellek gibi donanımlara akar.
Ancak nöromorfik hesaplamada, işlemciler tarafından temsil edilen sivri sinir ağlarına (SNN'ler) bir "sivri uç girişi" (bir dizi ayrı elektrik sinyali ) beslenir. Yazılım tabanlı sinir ağları, insan beynini taklit edecek şekilde düzenlenmiş makine öğrenimi algoritmalarının bir koleksiyonu iken, SNN'ler bu bilginin nasıl aktarıldığının fiziksel bir düzenlemesidir. Paralel işlemeye izin verir ve hesaplamaların ardından ani çıkışlar ölçülür.
Beyin gibi Hala Point ve Loihi 2 işlemcileri de beyindeki nöronlara benzer şekilde farklı düğümlerin bağlandığı ve bilginin farklı katmanlarda işlendiği bu SNN'leri kullanıyor. Çipler ayrıca belleği ve bilgi işlem gücünü tek bir yerde birleştiriyor. Geleneksel bilgisayarlarda işlem gücü ve bellek ayrılır; Verilerin bu bileşenler arasında fiziksel olarak seyahat etmesi gerektiğinden bu durum bir darboğaz yaratır. Bunların her ikisi de paralel işlemeyi mümkün kılar ve güç tüketimini azaltır.
Nöromorfik hesaplama neden yapay zekanın kurallarını değiştirebilir?
İlk sonuçlar ayrıca Hala Point'in yapay zeka iş yükleri için watt başına 15 trilyon işlemlik (TOPS/W) yüksek bir enerji verimliliği okuması elde ettiğini gösteriyor. Çoğu geleneksel nöral işlem birimi (NPU'lar) ve diğer yapay zeka sistemleri 10 TOPS/W'nin oldukça altında performansa ulaşır.
Nöromorfik hesaplama hala gelişmekte olan bir alandır ve Hala Point gibi başka birkaç makine de kullanımdadır. Ancak Avustralya'daki Western Sydney Üniversitesi'ndeki Uluslararası Nöromorfik Sistemler Merkezi'ndeki (ICNS) araştırmacılar, Aralık 2023'te benzer bir makineyi konuşlandırmayı planladıklarını duyurdular.
ICNS araştırmacıları, "DeepSouth" adı verilen bilgisayarlarının, saniyede 228 trilyon sinaptik işlem gerçekleştiren büyük nöron ağlarını taklit ettiğini ve bunun insan beyninin işlem hızına eşdeğer olduğunu söylediler.
Bu arada Hala Point, Intel temsilcilerine göre ticari olarak konuşlandırılabilecek gelecekteki sistemleri besleyecek bir araştırma prototipi olan bir "başlangıç noktası".
Gelecekteki bu nöromorfik bilgisayarlar, ChatGPT gibi sürekli olarak yeni verilerden öğrenen büyük dil modellerine (LLM'ler) yol açabilir ve bu da mevcut yapay zeka konuşlandırmalarının doğasında bulunan büyük eğitim yükünü azaltabilir.
