IBM sử dụng siêu máy tính mô phỏng não người

Bằng việc sử dụng siêu máy tính nhanh nhất thế giới và một kiến trúc máy tính siêu tiết kiệm điện năng mới, IBM đã mô phỏng thành công 530 tỉ nơ-ron và 100 nghìn tỉ khớp thần kinh - ngang bằng với con số của một bộ não người. Qua đó, IBM đã hoàn thành một bước tiến quan trọng trong tiến trình chế tạo một bộ não nhân tạo thật sự.

Điện toán nhận thức:

Não người không chỉ là vật thể phức tạp nhất từng được biết đến trong vũ trụ mà còn là một cỗ máy siêu tiết kiệm năng lượng. Nó có thể cùng một lúc thu thập hàng nghìn cảm nhận đầu vào, phiên dịch tất cả trong thời gian thực và phản ứng một cách hợp lý, trừu tượng hóa, học hỏi, lập kế hoạch và sáng tạo, tất cả chỉ dựa vào một nguồn điện giới hạn khoảng 20 W. Một máy tính với độ phức tạp có thể so sánh ngang bằng sử dụng các công nghệ hiện nay, theo IBM ước lượng, có thể tiêu thụ đến 100 MW điện.

Rõ ràng, mức tiêu thụ năng lượng như vậy rất không thực tế. Vấn đề này chính là nền tảng cho một bước tiến mới và câu trả lời của IBM là điện toán nhận thức (cognitive computing) - một quy tắc kết hợp giữa những phát hiện mới nhất trong lĩnh vực khoa học thần kinh, công nghệ nano và siêu máy tính.

Ngành khoa học thần kinh đã dạy cho chúng ta rằng sở dĩ não tiêu thụ ít điện năng là nhờ vào khả năng hoạt động "định hướng theo sự kiện". Nói một cách đơn giản, các nơ-ron, khớp thần kinh và sợi trục thần kinh chỉ tiêu thụ năng lượng khi chúng được kích hoạt và ngược lại. Các tác nhân kích hoạt ở đây có thể là một cảm nhận đầu vào hoặc từ các nơ-ron khác. Tuy nhiên, các máy tính ngày nay lại không hoạt động theo một phương thức tương tự và một lượng lớn năng lượng đã bị bỏ phí.

Các kĩ sư của IBM đã dựa trên kiến thức trên để xây dựng một kiến trúc máy tính mới và sau đó sử dụng để mô phỏng một lượng lớn các nơ-ron và khớp thần kinh có thể so sánh với những gì được tìm thấy trong bộ não con người. Kết quả không phải là một bộ não mô phỏng chính xác về chức năng hay đặc tính sinh học của não người bởi nó không thể cảm nhận, ý tưởng hóa hoặc suy nghĩ theo mọi cách thức thông thường nhưng đây vẫn là một bước tiến quan trong trọng việc tạo ra một cỗ máy có những năng lực như vậy trong tương lai.

Quy tắc hoạt động:

Một mạng lưới các neurosynaptic cores suy ra từ cấu trúc liên kết thần kinh khoáng cách dài của não khỉ.

Điểm khởi đầu của các nhà nghiên cứu là CoCoMac - một cơ sở dữ liệu chi tiết về mạng lưới thần kinh của não khỉ. CoCoMac bao hàm toàn diện nhưng chưa hoàn thiện. Vì vậy, sau 4 năm làm việc cật lực nhằm bổ sung những thiếu sót của cơ sở dữ liệu, các thành viên thuộc nhóm nghiên cứu cuối cùng cũng đã thu được một bộ dữ liệu có thể khai thác, nhằm dựa vào đó phát triển kiến trúc của bộ não nhân tạo.

Bên trọng hệ thống, có 2 thành phần chính là nơ-ron và khớp thần kinh. Nơ-ron là những trung tâm tính toán: mỗi nơ-ron có thể nhận các tín hiệu đầu vào từ tối đa 10 nghìn nơ-ron lân cận, chi tiết hóa dữ liệu và sau đó phát đi tín hiệu đầu ra. Có cấp xỉ 80% các nơ-ron đóng vai trò là bộ kích thích - nếu chúng phát đi một tín hiệu, chúng có khuynh hướng kích thích các nơ-ron lân cận. 20% còn lại là các nơ-ron ức chế - khi chúng phát đi một tín hiệu, chúng sẽ có khuynh hướng ức chế các nơ-ron lân cận.

Nếu như nơ-ron là các trung tâm tính toán thì khớp thần kinh sẽ có chức năng kết nối các nơ-ron khác nhau và đây chính là nơi bộ nhớ cũng như hoạt động học tập bắt đầu. Mỗi khớp thần kinh có một "giá trị mật độ" liên kết và giá trị sẽ thay đổi dựa trên số lượng tín hiệu được phát đi bởi các nơ-ron và di chuyển dọc theo khớp thần kinh. Khi một số lượng lớn các tín hiệu từ nơ-ron truyền đi trên cùng một khớp thần kinh, giá trị này sẽ tăng và bộ não ảo sẽ bắt đầu học tập theo cơ chế lắp ghép theo học thuyết của Donald Hebb.

Theo chu kỳ, thuật toán sẽ kiểm tra liệu mỗi nơ-ron có đang phát đi tín hiệu hay không: nếu có, các khớp thần kinh gần kề sẽ được thông báo và chúng sẽ cập nhật giá trị mật độ và tương tác phù hợp với các nơ-ron khác. Yếu tố cốt lõi ở đây là thuật toán sẽ chỉ sử dụng thời gian CPU trên phân số rất nhỏ của các khớp thần kinh cần được phát tín hiệu thay vì trên toàn bộ - qua đó tiết kiệm một lượng lớn thời gian và năng lượng.

Cũng giống như một bộ não hữu cơ, kiến trúc máy tính mới hoạt động theo định hướng sự kiện, mức độ phân bổ, nhận thức năng lượng cao và vượt qua một số giới hạn cố hữu theo cách mà các máy tính tiêu chuẩn được thiết kế, điển hình như tình trạng "thắt cổ chai" làm giới hạn tốc độ hệ thống do tốc độ thực thi của CPU nhanh hơn tốc độ truy xuất bộ nhớ của kiến trúc Von Neumann rất phổ biến trên máy tính PC ngày nay.

Mục tiêu cuối cùng của IBM là chế tạo một cỗ máy với độ phức tạp như não người trong một kích thước tương đương và với mức tiêu thụ năng lượng chỉ 1 kW. Hiện tại, siêu máy tính Blue Gene/Q Sequoia cũng sở hữu độ phức tạp có thể đáp ứng mục tiêu của IBM với 1.572.864 nhân xử lý, 1,5 PB (1,5 triệu GB) bộ nhớ và 6.291.456 mạch trình nhưng nó không được "gọn nhẹ" cho lắm và cũng không tiết kiệm năng lượng.

Neurosynaptics cores.

Trong một nổ lực nhằm cắt giảm đáng kể mức tiêu thụ năng lượng, IBM cũng đã chế tạo một con chip tùy biến với tên gọi "neurosynaptic cores" - khai thác toàn bộ tiềm năng của kiến trúc máy tính mới và có thể thay thế các siêu máy tính trong hoạt động mô phỏng nói trên. Mặc dù các nhân được đặt tên là nơ-ron, khớp thần kinh (synapses) và sợi trục thần kinh (axons) nhưng thiết kế của các thành phần này lại không dựa trên ý tưởng sinh học mà thay vào đó, chúng được tối ưu với chi phí sản xuất tối thiểu và hiệu năng tối đa.

Ứng dụng:

Kiến trúc mới hứa hẹn sẽ cải tiến các hệ thống dự báo thời tiết.

Do có đặt yếu tố song hành rất cao vào kiến trúc mới, những con chip được chế tạo bằng công nghệ trên sẽ rất phù hợp để giải đáp mọi vấn đề trong đó một lượng rất lớn dữ liệu cần được nạp vào máy tính với hiệu năng và mức tiêu thụ năng lượng được cải thiện đáng kể.

Qua thí nghiệm, IBM đã có thể hiểu rõ hơn về những giới hạn đối với kiến trúc máy tính tiêu chuẩn hiện tại, bao gồm việc cân bằng giữa bộ nhớ, tính toán và giao tiếp trên một tỉ lệ rất lớn. Thêm vào đó, thí nghiệm còn giúp thu thập những bí quyết để thiết kế và phát triển những con chip song hành có hiệu năng cao hơn và thậm chí tiết kiệm năng lượng hơn.

Những ứng dụng trong tương lai sẽ bao gồm các hệ thống dự báo thời tiết cải tiến, dự báo thị trường chứng khoán, các hệ thống giám sát bệnh nhân thông minh có thể thực hiện các chẩn đoán trong thời gian thực và các phần mềm nhận diện kí tự quang học (OCR)/nhận dạng giọng nói tương đương khả năng của con người.

Về mục tiêu tạo ra một bộ não nhân tạo thật sự, chúng ta vẫn còn rất nhiều năm nữa để có thể giải đáp mọi khúc mắc. Tuy nhiên, ít ra kiến trúc máy tính mới của IBM đã cho thấy quy trình này đang được thực hiện và với sự phát triển không ngừng nghỉ của công nghệ, hy vọng rằng ngày đó sẽ không còn quá xa vời.

[Nguồn: tinhte.vn]