Neuromorfe chips: de volgende grens voor AI-prestaties

Apple's Tim Cook proclameerde dat de iPhone X "de weg zou wijzen voor technologie voor het komende decennium" toen het debuteerde. De geïntegreerde neurale engine – de eerste commerciële gezichtsherkenning-ASIC – voorspoedde de opkomst van diepe neurale netwerken. Vandaag duiken neuromorfische processors op als de enige levensvatbare weg om AI's versnellende eisen te ondersteunen.

Geconfronteerd met data-bandbreedte-knelpunten en steeds toenemende berekeningsbehoeftes, argueert een recent rapport van Yole Développement (Lyon, Frankrijk) dat zintuigen en berekenen neuro-biologische architecturen moeten nabootsen om vooruit te gaan.

In een interview met EE Times, zei Pierre Cambou, Principal Analyst voor Imaging bij Yole, dat neuromorfische zintuigen en berekenen de meeste van AI's huidige uitdagingen kunnen oplossen terwijl nieuwe toepassingshorizonten in de komende decennia ontgrendeld worden. "Neuromorfische engineering is de volgende stap naar biomimicry en de motor van AI-vooruitgang", legde hij uit.

Waarom nu?

Zeventig jaar na Alan Turing's vraag "Kunnen machines denken?" en dertig jaar na Carver Mead's introductie van neuromorfische engineering, bleven praktische hersenachtige machines onbereikbaar. De getijde keerde met Georgia Tech's 2006 field-programmable neural array en MIT's 2011-chip die adaptief neuronale gedrag nabootst.

De echte doorbraak kwam toen het University of Toronto-team "ImageNet Classification with Deep Convolutional Neural Networks" publiceerde. De AlexNet-architectuur – een acht-laags convolutioneel neuraal netwerk – maakte de eerste succesvolle classificatie mogelijk van 1,2 miljoen hoge-resolutie afbeeldingen in 1.000 categorieën, zoals katten en honden. "AlexNet bewijz dat deep learning krachtiger is en ontbrandde AI's meteoorstige opkomst", merkte Cambou op.

Meeste huidige deep-learning-implementaties rijden op Moore's Law, en dat is "prima gegaan". Maar naarmate het veld groeit, zal de vraag naar hoogpresterende, laagstroom-chips overstijgen wat traditionele schaling kan leveren. Cambou waarschuwt dat deep learning "zal mislukken" als het gebonden blijft aan het huidige paradigma.

Hij noemt drie sleutelobstakels. Erstens, de economie van Moore's Law: slechts een handvol spelers kan verder gaan dan 7nm, wat een monopolie riskëert die innovatie verstikt. Tweedens, datavolumes overstijgen geheugentechnologieën, wat een knelpunt creëert. Derdens, de hitte-muur: een 7nm-chip levert ongeveer één teraflop per watt, doch het aandrijven van een autonom voertuig zou ongeveer één kilowatt – of duizend teraflops – kunnen vereisen, een prestatie die huidige technologie niet kan halen. Neuromorfische hardware, met zijn superieure energie-efficiëntie, biedt een weg vooruit.

Cambou dringt op een disruptieve shift die opkomende geheugentechnologieën benut om bandbreedte en energie-efficiëntie te verhogen – de essentie van neuromorfisch berekenen. "AI blijft vooruitgaan, en de volgende sprong is neuromorfisch", zegt hij.

In recente jaren hebben meerdere initiatieven silicium-neuronen gebouwd die cognitie nabootsen. Volgens Yole kan de neuromorfische markt groeien van $69 miljoen in 2024 tot $5 miljard in 2029 en $21,3 miljard in 2034 als technische hindernissen opgelost worden. Het ecosysteem omvat grote spelers zoals Samsung, Intel, en SK Hynix, naast startups zoals Brainchip, Nepes, Vicarious, en General Vision.

Credit: Yole

Neuronen en synapsen

Neuromorfische hardware verlaat het lab, gedreven door collaboratie over zintuigen, berekenen, en geheugensectoren. Joint ventures, strategische allianties, en lange-termijn EU-projecten als het Human Brain Project versnellen de vooruitgang.

Hoewel commerciële producten onwaarschijnlijk zijn voor 2024, is de potentiële schaal enorm. Intel's 2017 Loihi-chip – 130.000 kunstmatige neuronen – en het 8-miljoen-neuronen Pohoiki Beach-systeem illustreren het snelle tempo. IBM's TrueNorth biedt 1 miljoen neuronen en 256 miljoen synapsen, terwijl Brainchip's Akida 1,2 miljoen neuronen en 10 miljard synapsen levert.

"Synapsen zijn belangrijker dan neuronen", zei Cambou. "De volgende stappen omvatten het bouwen van applicaties op de huidige asynchrone Von Neumann-hybriden, gevolgd door RRAM-gebaseerde oplossingen die miljarden synapsen toevoegen".

Geheugenleiders zoals Micron, Western Digital, en SK Hynix najagen neuromorfische ontwerpen, maar echte doorbraken kunnen komen van gefocuste startups zoals Weebit, Robosensing, Knowm, Memry, en Symetrix. Hun memristor- en fase-verandering-geheugenbenaderingen streven naar nabootsing van synaptische plasticiteit, terwijl MRAM gepositioneerd is om neuromorfische stacks te complementeren.

Een neuromorfisch zintuig-ecosysteem rijpt ook, geworteld in Misha Mahowald's 1991 Silicium Neuron. Vandaag de dag bieden minder dan tien bedrijven event-gebaseerde camera's en sensoren, inclusief Prophesee, Samsung, Insightness, Inivation, en Celepixel. Frame-gebaseerde beeldvorming kan beweging niet zo natuurlijk vangen als het menselijk oog; event-gebaseerde apparaten bieden real-time patroonherkenning voor dynamische scènes.

Cambou merkte op, "Cinema bedriegt onze hersenen, maar computers hebben dezelfde stroom visuele informatie nodig". Hetzelfde principe geldt voor auditieve, beeldvormende, en gedragssensoren, die kritiek zijn voor algemene intelligentie.

Yole projecteert neuromorfische zintuig-opbrengsten te stijgen van $43 miljoen in 2024 tot $2 miljard in 2029 en $4,7 miljard in 2034.

Automotive, maar niet alleen

Hoewel de automotive-sector de meest voor de hand liggende vroege adopter is, zullen neuromorfische zintuigen en berekenen eerst industriële en mobiele applicaties aandrijven – robotica, real-time perceptie, en logistiek. "Deep learning vereist massive datasets, maar neuromorfische systemen leren van een paar afbeeldingen of woorden en vangen temporele dynamiek", legde Cambou uit.

Binnen een decennium kunnen hybride in-memory computing-chips mass-marktautonome rijden ontgrendelen, wat computers in staat stelt om ongestructureerde omgevingen met menselijke scherpte te interpreteren.