Компания Intel анонсировала в марте 2020 года готовность к эксплуатации своей сети нейроморфных вычислений Pohoiki Springs мощностью 100 миллионов нейронов. Сеть объединяет 768 нейроморфных процессоров Loihi. Экспериментальная вычислительная система функционирует на облачной основе и будет пока что доступна для разработки приложений участникам исследовательского сообщества Intel Neuromorphic Research Community (INRC).
Изначально идея нейроморфных вычислений (конец 1980-х годов) состояла в использовании аналоговых вычислительных цепей, эмулирующих архитектуру нервной системы. В настоящее время реализация может быть на основе и аналоговых, и цифровых цепей, но остаётся принцип — построение нейронной сети и использование импульсов для передачи информации между нейронами. Сейчас в мире разрабатываются несколько конкурирующих нейроморфных платформ, в основном на базе крупных университетов или корпораций (например, Neurogrid Стэнфордского университета, Spinnaker — Манчестерского университета и т. д.) Здесь ситуация в целом аналогична квантовым компьютерам: вычислительные возможности разных систем сопоставимы и отвечают современному уровню научного знания, но они ещё не претендуют на полноценное коммерчески окупаемое использование.
Самообучающийся нейроморфный чип компании Intel под названием Loihi (от названия гавайского вулкана Лоихи) выпущен в 2017 году. Эта разработка относится уже к пятому поколению нейроморфных процессоров Intel. Он вмещает 128 ядер со встроенным модулем самообучения в каждом и содержит 131 000 вычислительных нейронов, способных обмениваться сигналами между собой. Компания утверждает, что чип оказался в 1000 раз более эффективным по энергозатратам для обучения нейронной сети, чем обычные компьютерные системы, решающие сопоставимые задачи. В марте 2020 года специалисты Intel и Корнеллского университета (Cornell University) опубликовали исследовательскую работу в Nature Machine Intelligence, в которой продемонстрировали возможности процессора Loihi в распознавании ряда опасных для здоровья веществ по запаху на зашумлённом фоне. При этом использовались механизмы машинного обучения на «банке данных» из десяти опасных материалов, а сама нейронная сеть эмулировала работу обонятельной системы млекопитающих. Процессор Loihi использовался и в нескольких других приложениях, связанных с нейроморфными вычислениями.
Pohoiki Springs — это центр данных Intel, объединяющий 768 (24 платы Nahuku по 32 чипа) нейроморфных чипов Loihi на одной монтажной панели размером в пять стандартных серверов в обычных центрах данных (Pohoiki — это тоже гавайский топоним). Для сравнения: самое маленькое интегрированное устройство Intel под названием Kapoho Bay состояло всего из двух взаимосвязанных чипов Loihi (262 тысячи нейронов), а сравнительно недавно, летом 2019 года, было объявлено о масштабировании системы с интегрированием 64 процессоров Loihi (8 миллионов нейронов).
Доступ к компьютеру с новой архитектурой обеспечивается через облачный сервис для участников созданного в начале 2018 года сообщества INRC (Intel Neuromorphic Research Community). В это сообщество уже вошли такие крупные компании, как Airbus, GE, Hitachi. Также среди примерно 75 его участников на сегодня — университеты, государственные лаборатории и компании-стартапы, тем самым обозначающие свой интерес к исследованиям, которые обещают стать коммерчески выгодными только через несколько лет. Сейчас у них есть возможность делать собственные программы для компьютера Pohoiki Springs через соответствующую систему разработки приложений (SDK) от Intel (Nx SDK). Исследователи могут пробовать силы в разработке алгоритмов, например, для задач оптимизации при размещении активов, перебора по графам (задача поиска оптимального пути для автомобиля в городе), распознавания образов или для задач удовлетворения ограничений — то есть для приложений, в которых стало модным искать решение на нестандартных вычислительных архитектурах.
На сегодня нейроморфные системы, в частности, Pohoiki Springs от Intel, находятся на этапе академических исследований: они не пытаются конкурировать по мощности с обычными компьютерными системами в решении специальных задач. Пока что они являются полигоном для специалистов по искусственному интеллекту и машинному обучению и позволяют исследовать алгоритмы, основанные на обучающихся нейросетях, но с аппаратной реализацией и представлением информации, более приближённым к живым системам по сравнению с классическими алгоритмическими устройствами.
