I ricercatori imitano il cervello umano per realizzare una rete neurale a bassa potenza

Reti neurali - o repliche artificiali del cervello umano - consentono agli scienziati e agli ingegneri di condurre analisi che richiederebbero l'invecchiamento dell'uomo.Possono scorrere attraverso infinite tabelle di dati e segnalare discrepanze nelle immagini che passerebbero inosservate dalle persone.

Hanno però un inconveniente: le migliori reti neurali nel gioco usano un'incredibile quantità di energia per fare il loro lavoro.

"Qualche anno fa l'IBM ha provato a simulare l'attività cerebrale di un gatto in un supercomputer e alla fine hanno consumato megawatt di potere", dice il ricercatore dell'Università Purdue Abhronil Sengupta. Inverso. "Il cervello umano biologico non si consuma da così vicino. Questo non è un confronto diretto one-to-one con una rete neurale, ma dovrebbe darti una stima di come i sistemi di elaborazione hanno fame di energia."

Sengupta e un team di scienziati informatici presso la Purdue University e l'Institute of Electrical and Electronics Engineers (IEEE) hanno escogitato un modo per far sì che le reti neuronali consumino meno energia, pur continuando a svolgere un lavoro di spicco. Un articolo che hanno pubblicato sul sito di preprint arXiv spiega come hanno tratto ispirazione dal cervello umano e hanno implementato la loro idea per consentire alla rete neurale di consumare circa 11 volte meno energia rispetto ai sistemi tradizionali.

Il loro approccio si avvale di reti neurali a spiking o SNN. A differenza delle loro controparti, questi sistemi computazionali emulano i neuroni biologici molto più accuratamente.

Le reti neurali standard sono costituite da migliaia di nodi utilizzati per prendere decisioni e giudizi sui dati che vengono presentati a loro. L'output di questi dipende solo da ciò che viene presentato, mentre l'output SNN dipende anche dagli stimoli precedenti. I nodi in un SNN funzioneranno solo quando viene raggiunto un determinato livello di stimolo. Quindi invece di costantemente passando i dati ad altri nodi, i nodi SNN passano le informazioni solo quando lo fanno dovere.

Questo di solito ha un costo energetico enorme, perché la maggior parte di questi sistemi è realizzata utilizzando la cosiddetta tecnologia complementare dei semiconduttori di ossido di metallo, o CMOS. Quella tecnologia compone tutti i chip del tuo laptop ed è stata utilizzata come base per le reti neurali. Per il loro studio il gruppo di ricercatori ha abbandonato la tecnologia CMOS e ha costruito un SNN fatto completamente fuori dai memristori.

Abbreviazione di "resistori di memoria", la resistenza elettrica dei memristori dipende da quanta carica elettrica ha attraversato in passato. Quindi, a differenza della tecnologia CMOS, è in grado di "ricordare" ciò che è passato prima, che è esattamente ciò che i nodi SNN devono fare.

I risultati dello studio hanno dimostrato che i memristori imitano abbastanza bene il neurone biologico. Comunicano tra loro usando picchi, o brevi raffiche di energia, al contrario di un flusso costante di energia. Questo memristor-SNN ha avuto una leggera diminuzione della precisione quando è stato usato per la classificazione delle immagini rispetto alle sue controparti CMOS, ma ci voleva una frazione delle reti neurali standard di potenza.

Prima di questo studio, gli SNN erano la cosa più vicina a un cervello umano artificiale, ma l'enorme quantità di energia che hanno usato per cancellare ha annullato alcuni dei loro benefici. Se altri scienziati sono in grado di replicare queste reti neurali a risparmio energetico, potrebbe consentire loro di fare di più con meno energia e avvicinarli per capire come replicare il cervello biologico.