Новый суперкомпьютер IBM Sequoia основанный на архитектуре Blue Gene / Q имитирует работу человеческого мозга. Речь пока не идет об искусственном интеллекте, но в основу работы компьютера заложены те же принципы, что лежат в основе работы мозга. Человеческий мозг, вероятно, самый сложный объект во Вселенной, он способен получать тысячи входящих сигналов, обрабатывать их в режиме реального времени, принимать решения и при этом он может еще планировать, обучаться, изобретать, абстрагироваться и при этом расходует всего 20 Вт энергии.  

 

Современному компьютеру сопоставимой сложности потребовалось бы по оценкам IBM порядка 100 МВт электроэнергии. Очевидно, что такой расход энергии не приемлем, решением проблемы стали когнитивные вычисления. Мозг потребляет немного энергии главным образом потому, что он управляем событиями, это означает следующее — отдельные нейроны, синапсы и аксоны потребляют энергию, только когда они активированы — например, внешним сенсорным вводом или другими нейронами в отличие от современных компьютеров, потребляющих энергию постоянно.
Отправной точкой исследований стал проект " CoCoMac", изучающий работу нейронных комплексов в коре головного мозга макак.

Как работает мозг 

Вычислительной ячейкой мозга является нейрон – клетка, специализирующая на обработке входных и генерировании выходных сигналов. Каждый нейрон может получить входные сигналы примерно от десяти тысяч соседних нейронов, обработать их и выдать ответный сигнал. Приблизительно 80 процентов нейронов возбуждающие – это означает следующие, если они запускают сигнал, то соседние нейроны реагируют на него. Остальные 20 процентов – ингибиторы (замедлители) – когда они подают сигнал, то подавляют сигналы соседних нейронов. Каждый нейрон соединяется с другими дендритами – отростками нервной ткани. Нервные импульсы распространяются в одном направлении по дендритам – к телу клетки, по аксону – от тела клетки. Таким образом, нейрон – это такая система, имеющая множество «входов» (дендриты) и лишь один «выход» (аксон). Точка контакта между аксоном одного нейрона и дендритом другого получила название синапс.
Большая часть синапсов являются пластичными, сила связи между двумя нейронами способна меняться. Нейроны, которые возбуждаются вместе, связываются вместе, следовательно, у них сильнее синаптические связи, это основа ассоциативного мышления, повторяющиеся сигналы вызывают усиление синаптических связей. Синаптическая пластичность – изменение силы связи между нейронами позволяет сетям нейронов обрабатывать и сохранять информацию, является основой обучения. К примеру, если вас уколоть иголкой, то мозг обработает информацию и создаст синаптические связи, в следующий раз реакция на укол будет быстрее и с меньшим расходом энергии благодаря сохраненному алгоритму поведения.

На основе полученных данных специалисты IBM создали чип "neurosynaptic cores", имитирующий деятельность нейронов головного мозга. Машинный алгоритм периодически проверяет готова ли ячейка (нейрон) к отправке сигнала: если это так, то смежные синапсы будут задействованы, и передадут сигнал другими ячейкам соответственно. Главное заключается в следующем, машинный алгоритм расходует время центрального процессора только на небольшую часть синапсов, которые нуждаются в прохождении сигнала, а не на все, тем самым сохраняя большую часть времени и энергии.
Из-за крайнего высокого параллелизма встроенного в эту архитектуру, чипы, построенные с использованием этой технологии, хорошо подходят для решения задач требующих обработки большого количества входных данных, в отличие от стандартных нейронных сетей, у них значительно улучшена производительность и снижено энергопотребление.
Эксперимент по моделированию работы мозга позволил IBM, лучше понять ограничения стандартной архитектуры компьютера, включая компромисс между памятью, вычислениями и коммуникацией в больших масштабах. Он помог получить знания, которые послужат основой для создания массивно-параллельных чипов с низким уровнем энергопотребления.

Использование новых систем в будущем позволит улучшить прогноз погоды, точнее анализировать данные фондового рынка, проводить диагностику пациентов в режиме реального времени, создать принципиально новые программы распознавания человеческой речи, оптических символов (OCR) и т.д. Что касается создания модели человеческого мозга, то все еще впереди, но первые успехи уже есть.
Конечной целью IBM является создание компактной машины сравнимой по сложности с человеческим мозгом и расходом энергии около 1 кВт. Как всегда начало исследованиям положила DARPA, к примеру, на фазу исследований два – создание прототипов чипов, год назад они выделили огромные по масштабам нашей страны деньги 21 млн. долларов США.