Een chip die informatie opslaat als het brein



IBM-onderzoekers hebben een computerchip gemaakt die is geïnspireerd op het menselijk brein. Hierdoor kunnen kunstmatige intelligentie-algoritmen veel energiezuiniger draaien dan op traditionele chips.

Normaal gesproken is de microprocessor – de CPU (centrale verwerkingseenheid), het deel van de chip dat verantwoordelijk is voor het afzonderlijk uitvoeren van computercode – en het geheugen. In IBM’s nieuwe NorthPole-chip zijn het geheugen en de processors door elkaar geplaatst. Dit ontwerp is donderdag ingediend het wetenschappelijk tijdschrift Wetenschap gepubliceerd.

De klassieke computerchip is minder geschikt voor kunstmatige intelligentie, omdat deze relatief veel energie nodig heeft om dit soort toepassingen te laten draaien. Dat is een probleem omdat AI in opkomst is. Vragen stellen aan ChatGTP, nieuwe muziek ontdekken op Spotify en gezichtsherkenning gebruiken: het maakt allemaal gebruik van kunstmatige intelligentie.

Architectuur

Algoritmen op het gebied van kunstmatige intelligentie werken met modellen waarin veel variabelen een rol spelen. Bij gebruik van een dergelijk algoritme moet er daardoor tussentijds veel informatie worden opgeslagen. Dit betekent dat in een normale chip, waarbij het geheugen en de processor gescheiden zijn, een constante stroom data heen en weer loopt die veel energie kost.

Dit wordt ook wel de ‘Von Neumann-knelpunt‘ omdat John von Neumann deze architectuur in 1945 beschreef voor een computer waarin geheugen en verwerking gescheiden zijn.

Yoeri van de Burgt doet aan de TU Eindhoven onderzoek naar chips die geïnspireerd zijn op het menselijk brein en hopelijk minder energie verbruiken. “Binnen tien tot twintig jaar zal het energieverbruik van kunstmatige intelligentie echt een probleem worden. Je ziet het nu al, zeker nu iedereen met ChatGTP speelt. Datacenters verbruiken al evenveel energie als sommige landen.”

GPU’s worden momenteel veel gebruikt voor kunstmatige intelligentie (grafische verwerkingseenheden), waarmee meerdere berekeningen tegelijkertijd kunnen worden gemaakt. AI-algoritmen werken hier al beter op dan op klassieke CPU’s. Nvidia is de grootste producent van GPU-chips en profiteert van de grote vraag naar chips die geschikt zijn voor kunstmatige intelligentie. Deze GPU’s zijn echter nog steeds niet ideaal, omdat een groot deel van het geheugen nog gescheiden is van de processors.

600 foto’s per joule

In het menselijk brein wordt informatie opgeslagen bij het maken van verbindingen tussen zenuwcellen. Dit gebeurt overal, verspreid over de hersenen. De NorthPole-chip van de IBM-onderzoekers is hierop geïnspireerd en heeft het geheugen over de chip verdeeld. In plaats van geheugen op één centrale plek op de chip te hebben en geheugen te moeten gebruiken dat niet op de chip staat, is de NorthPole-chip opgebouwd uit verschillende processors met daarnaast geheugenopslag. Omdat informatieverwerking en -opslag dicht bij elkaar plaatsvinden en niet gebruikt hoeven te worden off-chip geheugende Noordpool vermijdt grotendeels de Von Neumann-knelpunt.

Hierdoor verbruikt deze nieuwe chip veel minder energie dan een GPU voor taken als het herkennen van objecten op foto’s. De onderzoekers stellen Wetenschapartikel dat de NorthPole-chip tot 600 foto’s per joule kan verwerken, vergeleken met 200 foto’s per joule met een GPU.

De chip is minder geschikt voor het trainen van kunstmatige intelligentie. De Noordpool is specifiek gemaakt om specifieke taken uit te voeren zodra het AI-model al getraind is.

Van der Wiel verwacht dat de Noordpoolchip op korte termijn ingezet zal worden. De chip is gemaakt van silicium, het materiaal waar ook klassieke chips van gemaakt worden en dat overal verkrijgbaar is.

Hij denkt dat siliciumchips op de lange termijn niet de toekomst hebben: “Voor echt energiezuinige computers moeten we kijken wat we met andere materialen kunnen doen. Zodat we chips kunnen gaan bouwen die, net als het brein, zelflerend zijn. Ze zullen nog energiezuiniger zijn.”

Leave a Comment

Your email address will not be published. Required fields are marked *