Mojawapo ya maeneo ya kuahidi zaidi kwa maendeleo ya usanifu mpya wa mfumo wa kompyuta inahusiana kwa karibu na uundaji wa kizazi kipya cha kompyuta kulingana na kanuni za usindikaji wa habari zilizowekwa ndani. mitandao ya neva bandia(NS). Kazi ya kwanza ya vitendo kwenye mitandao ya neva bandia na kompyuta za neva ilianza miaka ya 40 na 50. Mtandao wa neva kwa kawaida hueleweka kama seti ya vigeuzi vya habari vya msingi, vinavyoitwa "nyuroni," ambazo zimeunganishwa kwa njia fulani kwa kila mmoja na njia za kubadilishana habari "miunganisho ya synaptic."

Neuroni, kwa asili, ni processor ya msingi inayojulikana na majimbo ya pembejeo na pato, kazi ya uhamisho (kazi ya kuwezesha) na kumbukumbu ya ndani. Hali za niuroni hubadilika wakati wa operesheni na huunda kumbukumbu ya muda mfupi ya mtandao wa neva. Kila neuroni hukokotoa jumla iliyopimwa ya ishara zinazofika kwayo kupitia sinepsi na kufanya mageuzi yasiyo ya mstari juu yake. Inapotumwa kwenye sinepsi, mawimbi huzidishwa kwa sababu fulani ya uzani. Usambazaji wa coefficients ya uzani una habari iliyohifadhiwa katika kumbukumbu ya ushirika ya mtandao wa neva. Kipengele kikuu cha kubuni mtandao ni mafunzo yake. Wakati wa kufundisha na kufundisha tena mtandao wa neva, mgawo wake wa uzani hubadilika. Hata hivyo, hubakia mara kwa mara wakati wa kazi ya mtandao wa neural, na kutengeneza kumbukumbu ya muda mrefu.

N C inaweza kuwa na safu moja, tabaka mbili, tatu au zaidi, hata hivyo, kama sheria, zaidi ya tabaka tatu katika NN hazihitajiki kutatua matatizo ya vitendo.

Idadi ya pembejeo za NN huamua ukubwa wa nafasi ya juu, ambayo ishara za pembejeo zinaweza kuwakilishwa na pointi au hyperregions ya pointi zilizopangwa kwa karibu. Idadi ya neurons katika safu ya mtandao huamua idadi ya hyperplanes katika hyperspace. Kuhesabu kiasi kilichopimwa na kufanya mabadiliko yasiyo ya mstari hufanya iwezekanavyo kuamua ni upande gani wa hyperplane fulani hatua ya ishara ya uingizaji iko katika hyperspace.

Wacha tuchukue shida ya kawaida ya utambuzi wa muundo: kuamua ikiwa nukta ni ya moja ya madarasa mawili. Tatizo hili linatatuliwa kwa kawaida kwa kutumia neuroni moja. Itaruhusu hyperspace kugawanywa katika hyperregions mbili zisizo intersecting na zisizo na kiota. Kwa kweli, mawimbi ya pembejeo katika matatizo yanayotatuliwa kwa kutumia mitandao ya nyuroni huunda maeneo yenye viota au ya kukatiza katika nafasi kubwa, ambayo haiwezi kutenganishwa kwa kutumia neuroni moja. Hii inaweza kufanyika tu kwa kuchora hypersurface isiyo ya mstari kati ya mikoa. Inaweza kuelezewa kwa kutumia nth ili polynomial. Hata hivyo, utendakazi wa nishati huhesabiwa polepole sana na kwa hivyo si rahisi kwa kompyuta. Chaguo mbadala ni kukadiria hypersurface na hyperplanes linear. Ni wazi kwamba usahihi wa makadirio inategemea idadi ya hyperplanes kutumika, ambayo, kwa upande wake, inategemea idadi ya neurons katika mtandao. Kwa hivyo hitaji linatokea la utekelezaji wa maunzi ya niuroni nyingi iwezekanavyo kwenye mtandao. Idadi ya niuroni katika safu moja ya mtandao huamua azimio lake. Mtandao wa neva wa safu moja hauwezi kutenganisha picha zinazotegemea mstari. Kwa hiyo, ni muhimu kuwa na uwezo wa kutekeleza mitandao ya neural multilayer katika vifaa.

NA mitandao ya neva bandia kuwa na mali ya kushangaza. Hazihitaji maendeleo ya kina ya programu na kufungua uwezekano wa kutatua matatizo ambayo hakuna mifano ya kinadharia au sheria za heuristic zinazoamua algorithm ya ufumbuzi. Mitandao hiyo ina uwezo wa kukabiliana na mabadiliko katika hali ya uendeshaji, ikiwa ni pamoja na kuibuka kwa mambo yasiyotarajiwa hapo awali. Kwa asili yao, NN ni mifumo yenye kiwango cha juu sana cha usawa.

KATIKA kompyuta za neva kanuni za usindikaji wa habari unaofanywa katika mitandao halisi ya neural hutumiwa. Zana hizi mpya za kompyuta zilizo na usanifu usio wa kawaida huruhusu uchakataji wa utendaji wa juu wa safu kubwa za habari. Tofauti na mifumo ya kitamaduni ya kompyuta, kompyuta za mtandao wa neva, sawa na mitandao ya neural, hufanya iwezekane kusindika mtiririko wa habari wa ishara za wazi na zinazoendelea kwa kasi kubwa, zina vitu rahisi vya kompyuta na kwa kiwango cha juu cha kuegemea huruhusu kutatua shida za habari za usindikaji wa data, wakati. kutoa hali ya urekebishaji wa kibinafsi wa mazingira ya kompyuta kulingana na suluhisho zilizopatikana.

Kwa ujumla, neno "Neurocomputer" kwa sasa linamaanisha darasa pana la kompyuta. Hii hutokea kwa sababu rahisi ambayo rasmi, utekelezaji wowote wa maunzi wa algoriti ya mtandao wa neva unaweza kuchukuliwa kuwa kompyuta ya niuroni, kutoka kwa kielelezo rahisi cha niuroni ya kibayolojia hadi mfumo wa utambuzi wa wahusika au shabaha zinazosonga. Kompyuta za neva sio kompyuta kwa maana ya kawaida ya neno. Hivi sasa, teknolojia bado haijafikia kiwango cha maendeleo ambacho mtu anaweza kuzungumza juu ya kompyuta ya neuro-kusudi la jumla (ambayo pia itakuwa akili ya bandia). Mifumo iliyo na maadili maalum ya coefficients ya uzani kwa ujumla ndiyo iliyobobea zaidi ya familia ya mtandao wa neva. Mitandao ya kujifunzia inaweza kunyumbulika zaidi kwa aina mbalimbali za matatizo wanayosuluhisha. Kwa hivyo, ujenzi wa kompyuta ya neva ni kila wakati uwanja mpana zaidi wa shughuli za utafiti katika uwanja wa utekelezaji wa vifaa vya karibu vitu vyote vya mtandao wa neva.

Mwanzoni mwa karne ya 21, tofauti na 40-50s ya karne iliyopita, kuna lengo la mahitaji ya vitendo ya kujifunza jinsi ya kufanya neurocomputers, i.e. ni muhimu kutekeleza katika maunzi niuroni nyingi za uendeshaji zinazofanana, na mamilioni ya viunganishi vilivyorekebishwa au sambamba vilivyobadilishwa, vilivyo na tabaka kadhaa zilizounganishwa kikamilifu za niuroni. Wakati huo huo, teknolojia ya umeme iliyounganishwa inakaribia kumaliza uwezo wake wa kimwili. Vipimo vya kijiometri vya transistors haviwezi kupunguzwa tena kimwili: kwa ukubwa unaowezekana wa kiteknolojia wa utaratibu wa micron 1 au chini, matukio ya kimwili yanaonekana ambayo hayaonekani na ukubwa mkubwa wa vipengele vya kazi - madhara ya ukubwa wa quantum huanza kuwa na athari kali. Transistors huacha kufanya kazi kama transistors.

Kwa utekelezaji wa vifaa vya NN, njia mpya ya kuhifadhi inahitajika. Mtoa huduma mpya kama huyo anaweza kuwa mwanga, ambayo itaongeza kwa kiasi kikubwa utendaji wa hesabu kwa amri kadhaa za ukubwa.

Teknolojia pekee ya utekelezaji wa maunzi ya mitandao ya neural ambayo inaweza kuchukua nafasi ya optics na optoelectronics katika siku zijazo ni nanoteknolojia, yenye uwezo wa kutoa sio tu kiwango cha juu zaidi cha kimwili kinachowezekana cha ujumuishaji wa vipengele vya quantum ndogo na kasi ya juu iwezekanavyo ya kimwili, lakini pia usanifu wa tatu-dimensional muhimu sana kwa utekelezaji wa vifaa vya mtandao wa neva.

Kwa muda mrefu, iliaminika kuwa kompyuta za neva ni nzuri kwa kutatua shida zinazoitwa zisizo rasmi na zisizo rasmi zinazohusiana na hitaji la kujumuisha mchakato wa kujifunza kwa kutumia nyenzo halisi za majaribio kwenye algorithm ya kutatua shida. Kwanza kabisa, shida kama hizo zilijumuisha kazi ya kukadiria aina fulani ya kazi ambayo huchukua seti tofauti ya maadili, i.e. tatizo la utambuzi wa muundo.

Hivi sasa, darasa la matatizo linaongezwa kwa darasa hili la matatizo, ambayo wakati mwingine hauhitaji mafunzo juu ya nyenzo za majaribio, lakini yanawakilishwa vizuri katika msingi wa mantiki wa mtandao wa neural. Hizi ni pamoja na kazi zilizo na usawa wa asili wa usindikaji wa ishara, usindikaji wa picha, nk.. Mtazamo kwamba katika siku zijazo kompyuta za neva zitakuwa na ufanisi zaidi kuliko usanifu mwingine zinaweza kuthibitishwa, hasa, na upanuzi mkali katika miaka ya hivi karibuni ya darasa la matatizo ya jumla ya hisabati kutatuliwa kwa msingi wa mantiki ya mtandao wa neural. Haya, pamoja na yale yaliyoorodheshwa hapo juu, ni pamoja na matatizo ya kutatua milinganyo ya aljebra ya mstari na isiyo ya mstari na usawa wa hali ya juu; mifumo ya equations zisizo za mstari; milinganyo ya sehemu tofauti; matatizo ya optimization na matatizo mengine.

Mtandao wa neva kwa kawaida hueleweka kama seti ya vigeuzi vya msingi vya habari, vinavyoitwa "nyuroni," ambazo zimeunganishwa kwa njia fulani na njia za kubadilishana habari - "miunganisho ya synaptic."

Neuroni kimsingi ni kichakataji cha msingi chenye sifa ya hali ya ingizo na pato, kitendakazi cha uhamishaji (kazi ya kuwezesha) na kumbukumbu ya ndani.

Mchele. 8.1.

Hali za niuroni hubadilika wakati wa operesheni na huunda kumbukumbu ya muda mfupi ya mtandao wa neva. Kila neuroni hukokotoa jumla iliyopimwa ya ishara zinazofika kwayo kupitia sinepsi na kufanya mageuzi yasiyo ya mstari juu yake. Inapotumwa kwenye sinepsi, mawimbi huzidishwa kwa sababu fulani ya uzani. Usambazaji wa mgawo wa uzito una habari iliyohifadhiwa katika kumbukumbu ya ushirika ya mtandao wa neva. Kipengele kikuu cha kubuni mtandao ni mafunzo yake. Wakati wa kufundisha na kufundisha tena mtandao wa neva, mgawo wake wa uzani hubadilika. Hata hivyo, hubakia mara kwa mara wakati wa kazi ya mtandao wa neural, na kutengeneza kumbukumbu ya muda mrefu.

NN inaweza kuwa na safu moja, mbili, tatu au zaidi, hata hivyo, kama sheria, zaidi ya tabaka tatu katika NN hazihitajiki kutatua matatizo ya vitendo.

Idadi ya pembejeo za NS huamua kipimo nafasi kubwa, ambayo ishara za pembejeo zinaweza kuwakilishwa na pointi au hyperregions ya pointi zilizopangwa kwa karibu. Idadi ya nyuroni kwenye safu ya mtandao huamua nambari hyperplanes V nafasi kubwa. Kuhesabu hesabu zilizopimwa na kufanya mageuzi yasiyo ya mstari hufanya iwezekane kubainisha ni upande gani wa hyperplane ambapo sehemu ya mawimbi ya ingizo iko nafasi kubwa.

Mchele. 8.2.

Wacha tuchukue shida ya kawaida ya utambuzi wa muundo: kuamua ikiwa nukta ni ya moja ya madarasa mawili. Tatizo hili linatatuliwa kwa kawaida kwa kutumia neuroni moja. Itawawezesha kugawanyika nafasi kubwa katika vikoa viwili vilivyotengana na visivyo na viota. Ingiza mawimbi katika matatizo yanayotatuliwa kwa kutumia fomu za mitandao ya neva nafasi kubwa maeneo yenye viota vingi au yanayopishana ambayo hayawezi kutenganishwa kwa kutumia neuroni moja. Hii inaweza kufanyika tu kwa kuchora hypersurface isiyo ya mstari kati ya mikoa. Inaweza kuelezewa kwa kutumia nth ili polynomial. Hata hivyo, utendakazi wa nishati huhesabiwa polepole sana na kwa hivyo si rahisi kwa kompyuta. Chaguo mbadala ni kukadiria hypersurface kwa mstari hyperplanes. Ni wazi kwamba usahihi wa makadirio inategemea idadi ya kutumika hyperplanes, ambayo, kwa upande wake, inategemea idadi ya neurons kwenye mtandao. Kwa hivyo hitaji linatokea la utekelezaji wa maunzi ya niuroni nyingi iwezekanavyo kwenye mtandao. Idadi ya niuroni katika safu moja ya mtandao huamua azimio lake. Mtandao wa neva wa safu moja hauwezi kutenganisha picha zinazotegemea mstari. Kwa hiyo, ni muhimu kuwa na uwezo wa kutekeleza mitandao ya neural multilayer katika vifaa.

Mchele. 8.3.

Mitandao ya neva bandia ina mali ya kushangaza. Hazihitaji maendeleo ya kina ya programu na kufungua uwezekano wa kutatua matatizo ambayo hakuna mifano ya kinadharia au sheria za heuristic zinazoamua algorithm ya ufumbuzi. Mitandao hiyo ina uwezo wa kukabiliana na mabadiliko katika hali ya uendeshaji, ikiwa ni pamoja na kuibuka kwa mambo yasiyotarajiwa hapo awali. Kwa asili yao, NN ni mifumo yenye kiwango cha juu sana cha usawa.

Kompyuta za neva hutumia kanuni za usindikaji wa habari unaofanywa katika mitandao halisi ya neva. Zana hizi mpya za kompyuta zilizo na usanifu usio wa kawaida huruhusu uchakataji wa utendaji wa juu wa safu kubwa za habari. Tofauti na mifumo ya jadi ya kompyuta, kompyuta za mtandao wa neva, sawa na mitandao ya neva, hufanya iwezekane kusindika mtiririko wa habari wa ishara zisizo wazi na zinazoendelea kwa kasi kubwa, zina vitu rahisi vya hesabu na kwa kiwango cha juu cha kuegemea huruhusu kutatua shida za habari za usindikaji wa data, huku ikitoa njia ya kujijenga upya. mazingira ya kompyuta kulingana na suluhu zilizopatikana.

Kwa ujumla, neno "kompyuta ya neva" kwa sasa ina maana ya darasa pana la kompyuta. Hii hutokea kwa sababu rahisi ambayo rasmi utekelezaji wowote wa vifaa unaweza kuchukuliwa kuwa kompyuta ya neuro. algorithm ya mtandao wa neva, kutoka kwa muundo rahisi wa niuroni ya kibayolojia hadi kwa mhusika au mfumo wa utambuzi unaolengwa. Kompyuta za neva sio kompyuta kwa maana ya kawaida ya neno. Hivi sasa, teknolojia bado haijafikia kiwango cha maendeleo ambacho mtu anaweza kuzungumza juu ya kompyuta ya neuro-kusudi la jumla (ambayo pia itakuwa akili ya bandia). Mifumo iliyo na maadili maalum ya coefficients ya uzani kwa ujumla ndiyo iliyobobea zaidi ya familia ya mtandao wa neva. Mitandao ya kujifunzia inachukuliwa zaidi kwa aina mbalimbali za matatizo yanayotatuliwa. Mitandao ya kujifunza ni rahisi zaidi na yenye uwezo wa kutatua matatizo mbalimbali. Kwa hivyo, ujenzi wa kompyuta ya neva ni kila wakati uwanja mpana zaidi wa shughuli za utafiti katika uwanja wa utekelezaji wa vifaa vya karibu vitu vyote vya mtandao wa neva.

Mwanzoni mwa karne ya 21, tofauti na 40-50s ya karne iliyopita, kuna lengo la mahitaji ya vitendo ya kujifunza jinsi ya kuunda neurocomputers, i.e. ni muhimu kutekeleza katika maunzi niuroni nyingi za uendeshaji zinazofanana, na mamilioni ya viunganishi vilivyorekebishwa au sambamba vilivyobadilishwa, vilivyo na tabaka kadhaa zilizounganishwa kikamilifu za niuroni.

Wakati huo huo, uwezo wa kimwili wa teknolojia jumuishi ya umeme sio kikomo. Vipimo vya kijiometri vya transistors haviwezi kupunguzwa tena kimwili: kwa ukubwa unaowezekana wa kiteknolojia wa utaratibu wa micron 1 au chini, matukio ya kimwili yanaonekana ambayo hayaonekani na ukubwa mkubwa wa vipengele vya kazi - madhara ya ukubwa wa quantum huanza kuwa na athari kali. Transistors huacha kufanya kazi kama transistors.

Kwa utekelezaji wa vifaa vya NN, njia mpya ya kuhifadhi inahitajika. Mtoa huduma mpya kama huyo anaweza kuwa nyepesi, ambayo ingemruhusu mtu kuongezeka kwa kasi, kwa maagizo kadhaa ya ukubwa. utendaji mahesabu.

Teknolojia pekee ya utekelezaji wa vifaa vya NS ambayo inaweza kuchukua nafasi ya optics na optoelectronics katika siku zijazo ni nanoteknolojia, ambayo inaweza kutoa sio tu kiwango cha juu cha kimwili kinachowezekana cha ujumuishaji wa vipengele vya submolecular quantum na kasi ya juu iwezekanavyo kimwili, lakini pia usanifu wa tatu-dimensional. hivyo ni muhimu kwa utekelezaji wa vifaa vya NS.

Kwa muda mrefu iliaminika kuwa neurocomputers zinafaa katika kutatua kinachojulikana kazi zisizo rasmi na zisizo rasmi rasmi inayohusiana na hitaji la kujumuisha mchakato wa kujifunza kwa kutumia nyenzo halisi za majaribio kwenye algoriti ya kutatua tatizo. Awali ya yote, matatizo hayo yalijumuisha kazi ya kukadiria aina fulani ya kazi ambayo huchukua seti tofauti ya maadili, yaani, tatizo la utambuzi wa muundo.

Hivi sasa, darasa la matatizo linaongezwa kwa darasa hili la matatizo, ambayo wakati mwingine hauhitaji mafunzo juu ya nyenzo za majaribio, lakini yanawakilishwa vizuri katika msingi wa mantiki wa mtandao wa neural. Hizi ni pamoja na kazi zilizo na ulinganifu wa asili katika usindikaji wa ishara, usindikaji wa picha, nk. Mtazamo kwamba katika siku zijazo kompyuta za neva zitakuwa na ufanisi zaidi kuliko usanifu mwingine zinaweza kuthibitishwa, hasa, na upanuzi mkali katika miaka ya hivi karibuni ya darasa la matatizo ya jumla ya hisabati kutatuliwa katika msingi wa kimantiki wa mtandao wa neva. Haya, pamoja na yale yaliyoorodheshwa hapo juu, ni pamoja na matatizo ya kutatua milinganyo ya aljebra ya mstari na isiyo ya mstari na usawa wa hali ya juu; mifumo ya equations zisizo za mstari; milinganyo ya sehemu tofauti; matatizo ya optimization na matatizo mengine.

Kufikia utawala wa kimataifa kunategemea mikakati miwili kuu: ubora wa habari na ubora wa kiteknolojia. Kuhusu hili la mwisho, mpito wa uundaji mpya wa kijamii na kiuchumi wa jamii ya baada ya viwanda huleta mbele teknolojia kama vile genetics na bioengineering, nanoteknolojia na neuroinformatics.

Neuroinformatics, kwa kuzingatia kanuni na taratibu za utendaji kazi wa ubongo, inaweza kutoa ubora wa kiteknolojia na habari. Sio bahati mbaya kwamba leo kompyuta za neva zinachukua sehemu moja muhimu zaidi kati ya maendeleo ya kuahidi ya silaha na vifaa vya kijeshi.

Kuna utekelezwaji kadhaa unaojulikana wa miundo mbalimbali ya mitandao ya neva katika fuwele za processor ya neva. Wengine hufanya kazi vizuri zaidi, wengine mbaya zaidi, lakini wote wana kitu kimoja - hamu ya kupenya siri za ubongo wa mwanadamu.

Katika katalogi za bidhaa za Intel, maendeleo mawili yanajitokeza, yaliyoagizwa na DARPA (Wakala wa Miradi ya Utafiti wa Kina wa Ulinzi): neuroprocessor ya analogi i80170NX na ya dijiti - i80160NC au Ni1000.

Neuroprocessors ni moyo wa kizazi kipya cha teknolojia ya kompyuta - neurocomputers. Msingi wa utendakazi wa mashine hizo ni kuiga njia ambazo habari huchakatwa na mfumo wa neva wa binadamu na ubongo. Inaaminika kuwa mwelekeo huu ulianza mwaka wa 1943, wakati wanasayansi wa Marekani W. McCulloch na W. Pitts walichapisha makala ambayo neurons - seli za mfumo wa neva - zilionekana kuwa vifaa rahisi zaidi vya mantiki.

Niuroni bandia ya McCulloch na Pitts huiga, kwa makadirio ya kwanza, sifa za neuroni ya kibayolojia. Pembejeo ya neuroni hiyo ya bandia hupokea ishara nyingi, ambayo kila mmoja ni pato la neuron nyingine. Kila mawimbi ya ingizo huzidishwa na mgawo fulani unaoakisi mchango unaotolewa na mawimbi hii kwa thamani ya mawimbi ya kutoa sauti ya neuroni. Ishara zinazopokelewa na niuroni na kuzidishwa na mgawo wao sambamba zinajumlishwa, na ikiwa ishara ya jumla ni kubwa kuliko kizingiti fulani, niuroni huwashwa na kutoa msukumo mmoja kwa niuroni zinazohusiana nayo. Kwa kubadilisha maadili ya mgawo wa uzani kwenye pembejeo za neuroni ipasavyo, unaweza kupata dhamana inayohitajika kwenye pato la mtandao. Mchakato wa kurekebisha mgawo wa uzito huitwa mafunzo ya mtandao wa neural. Kwa kulinganisha na kujifunza kwa binadamu, mtandao wa neva unaweza kufunzwa na mwalimu au kwa kujitegemea, kupitia kujipanga.

Usahili wa modeli iliyopendekezwa ya niuroni uliwatia moyo watafiti wengi waliotaka kupenya siri za ubongo wa mwanadamu.

Mwishoni mwa miaka ya 1950, Mmarekani F. Rosenblatt, akijaribu kuelezea uendeshaji wa neuron ya kibiolojia, alipendekeza mfano wake - perceptron. Mapema miaka ya 60, mwanahisabati R. Blok alibuni nadharia ya utambuzi, na mhandisi wa redio B. Widrow alitengeneza na kutekeleza mtandao wa kwanza wa neva bandia, unaojulikana katika fasihi kama "Adaline." Pia aliunda algorithm inayomfundisha kutambua picha.

Walakini, hadi katikati ya miaka ya 80, mitandao ya neural haikupokea maendeleo zaidi. Kuchelewa kati ya mazoezi na nadharia na kutokamilika kwa teknolojia kulikuwa na athari. Miundo ya programu iliyotumiwa haikuweza kufichua faida zote za mitandao ya neva, na uundaji wa utekelezaji wa maunzi yao ulihitaji gharama kubwa kutokana na kiwango cha teknolojia wakati huo. Kompyuta kubwa za kitamaduni (frame kuu) zilizingatiwa kuwa za kuahidi zaidi, lakini ukuaji wa haraka wa idadi ya kazi ngumu sana ulitulazimisha kurejea tena kwa mitandao ya neva bandia.

Intel alikuwa mmoja wa wakubwa wa kwanza wa tasnia ya kompyuta kupendezwa sana na uwezo wa mitandao ya neva bandia. Kazi juu ya mada hii ilianza mnamo 1988. Mwaka uliofuata, sampuli ya kwanza ya kazi ya neuroprocessor ya i80170NX iliwasilishwa. Mwaka mmoja baadaye, Intel (pamoja na Nestor na kwa usaidizi wa kifedha kutoka DARPA) walianza kutengeneza neurochip ya dijiti ya Ni1000, ambayo ilitangazwa mnamo 1993 kama i80160NC.

Kichakataji cha mtandao wa neva wa i80170NX ETANN (Mtandao wa Neural Unaofunzwa Kimeme) ni chipu ya kipekee iliyoundwa kutatua matatizo ya utambuzi wa muundo. Kichakataji huiga kazi ya niuroni 64 za kibiolojia. Kila neuroni ya kichakataji ina sinepsi 128 (pembejeo). Kwa upande mwingine, kila sinepsi imeunganishwa kwa pembejeo ya kichakataji kupitia kifaa fulani ambacho hukuruhusu kuweka mgawo unaoonyesha nguvu ya muunganisho huu, ambao unaendana kikamilifu na mfano uliopendekezwa na W. McCulloch na W. Pitts. Data katika pembejeo na pato la processor ni analogi, lakini kazi za udhibiti, kuweka na kusoma coefficients ya uzito ni digital.

Neurochip inaoana kikamilifu katika viwango vya mawimbi ya uendeshaji na seti ndogo za CMOS na TTL. Ishara ya pembejeo kwa neuroni inaweza kutofautiana kutoka 0 hadi 2.8 V. Vizito vya Synapse pia vinawakilishwa na voltage katika safu kutoka -2.5 hadi 2.5 V. Kichakataji kinatengenezwa kwa kutumia teknolojia ya Intel iliyoidhinishwa - CHMOS III EEPROM.

Tabia ya usanifu inayofanana sana ya mitandao ya neural na idadi ya vipengele vya muundo wa processor ilifanya iwezekane kufikia kasi ya shughuli bilioni 2 kwa sekunde! I80170NX ndio moyo wa bodi ya kuongeza kasi ya neural kwa Kompyuta. Utendaji wa bodi hiyo yenye wasindikaji nane ni shughuli bilioni 16 kwa sekunde! Hadi hivi majuzi, utendaji kama huo ulikuwa tabia ya kompyuta kubwa tu!

Maelezo mafupi ya kiufundi ya processor ni kama ifuatavyo.

• tija bilioni 2 op./s;
• uwezo wa kutambua picha elfu 300 za 128-bit kwa sekunde;
• mifano 64 neurons;
• inasaidia Hopfield neural network, multilayer perceptron na Madaline III mifano.

Urahisi wa kuunda programu kwenye i80170NX inahakikishwa na kuwepo kwa zana zenye nguvu za maendeleo. Kwa muundo wa mitandao ya neva, kifurushi cha iNNTS (Intel Neural Network Training System) na EMB (ETANN Multi-Chip Board) hutolewa. Kifurushi hiki pia kinajumuisha mojawapo ya programu za kuiga na kusoma mitandao ya neva bandia iBrainMaker kutoka California Scientific Software au iDynaMind kutoka NeuroDynamX. Programu zote mbili zina kiolesura kizuri cha mtumiaji na zinaweza kutumika kuonyesha sifa na uwezo wa mitandao ya neva. Kwa aina hiyo hiyo ya watumiaji wanaoamua kuunda mifano ya mtandao wa neural kwa kujitegemea, kuna maktaba nzima ya kazi za kudhibiti neurochip - Training System Interface Lib (TSIL).

Maendeleo mengine ya Intel katika uwanja wa mitandao ya neural ya bandia ni processor ya i80160NC. Tofauti yake kuu kutoka kwa i80170NX ni kwamba ni digital kabisa.

Data ya kiufundi ya i80160NC:

• kumbukumbu ya ndani: picha elfu 1 256-bit;
• aina ya kumbukumbu: Flash EPROM;
• idadi kubwa ya madarasa: 64;
• kasi ya utambuzi: picha elfu 33 kwa sekunde kwa mzunguko wa 33 MHz.
• Kama i80170NX, kichakataji cha i80160NC hutolewa kwenye ubao wa kichapuzi cha mtandao wa neural kwa Kompyuta. Tabia za bodi ni kama ifuatavyo:
• basi ya mfumo wa ISA;
• mzunguko wa uendeshaji 33 MHz;
• kasi ya basi 2 Mbit / s;
• Nguvu 8 W.

Programu ifuatayo inaungwa mkono:

• MS Windows 3.1;
• MS Excel 4.0;
• MS Visual C++, Borland C++.
• Zana zifuatazo za ukuzaji wa programu hutolewa na bodi:
• Ni1000 Assembler;
• Ni1000 Emulator Lib.;
• Ni1000 HardWare Lib.

Programu ya Emulator ya Ni1000 inakuwezesha kurekebisha msimbo wa maombi bila kutumia processor, na baada ya kukamilisha mchakato wa kurekebisha, mara moja uendelee kufanya kazi kwenye vifaa.

Tabia kuu za wasindikaji wa i80170NX na i80160NC zimetolewa kwenye meza. 1.

Kichakataji cha Ni1000 kiliundwa kama chaguo la kichakataji kwa kazi za utambuzi wa muundo na kilikusudiwa kuunganishwa kwenye vichanganuzi vinavyobebeka vya utendaji wa juu. Matumizi ya teknolojia ya mtandao wa neva imefanya iwezekanavyo kufikia matokeo muhimu katika kutatua matatizo ya darasa hili. Kwa hiyo, ikiwa wasindikaji wa AMD29000 na i80860 RISC wanakuwezesha kutatua matatizo fulani mara 2-5 kwa kasi, kisha kutumia i80160NC kasi ya kutatua matatizo sawa inaweza kuongezeka kwa 100 na hata mara 1000! Utendaji kama huo ulifanya iwezekane kutumia darasa hili la wasindikaji kutatua shida ngumu zaidi - utambuzi wa alama za vidole.

Kuonekana kwa familia yenye nguvu ya wasindikaji kwenye soko kunaahidi nini kwa watengenezaji na watumiaji wa kompyuta? Sasa kuna idadi ya matatizo ya utata wa juu sana. Hizi ni pamoja na utabiri wa hali ya hewa, udhibiti wa trafiki wa anga katika Bahari ya Atlantiki kwa kuzingatia harakati za raia wa anga, muundo wa kompyuta wa milipuko ya nyuklia na mengine mengi. Hadi hivi majuzi, walijaribu kutatua shida kama hizo kwenye kompyuta kubwa, lakini gharama ya vifaa kama hivyo ni ya kushangaza sana. Katika Mtini. Kielelezo 2 kinaonyesha nafasi ya kompyuta kubwa tofauti kulingana na gharama na utendaji wao. Inaonekana wazi kuwa i80160NC ndiye kiongozi asiye na shaka. Inawaacha wanyama wakubwa kama Cray na Cyber ​​​​kwa mbali.

Upeo mpya unafunguliwa kwa watengenezaji wa mifumo ya kijasusi bandia. Kuonekana kwa wasindikaji vile kunamaanisha mafanikio katika kutatua matatizo ya utambuzi wa picha, na kwa hiyo utambuzi wa maandishi yaliyoandikwa kwa mkono, hotuba, nk Kwa hiyo, wataalamu wa Kijapani wameonyesha kuwa kwa kutumia mitandao ya neural inawezekana kufanya tafsiri ya wakati mmoja kutoka kwa Kijapani hadi Kiingereza.

Hatua muhimu ambayo wataalamu wa Intel waliweza kufikia katika kuiga mitandao ya neural inaweza kuwakilishwa na mchoro sawa na ule unaoonyeshwa kwenye Mtini. 3, ambayo inalinganisha mitandao ya neva ya viumbe hai na ile inayoigwa kwa kutumia vichakataji vya Intel.

Watengenezaji wa kichakataji cha neva kwa mzaha humwita mtoto wao wa ubongo kitu zaidi ya "slug supersonic."

Ndoto ya mwanadamu ya kuunda mashine ya kompyuta yenye uwezo wa kuzidi au angalau kusawazisha uwezo wa kiakili wa mwanadamu bado iko mbali sana. Wakati huo huo, tunaweza kusema kwa ujasiri kwamba kazi ya Intel katika kuunda mitandao ya neural ya bandia imeleta karibu wakati ambapo ubongo wa bandia utakuwa moyo wa kompyuta ya mezani.

Tangu kutolewa kwa wasindikaji wa Intel, aina nyingi za kompyuta za neva zimeonekana ulimwenguni; baadhi yao yanaweza kupatikana katika Jedwali. 2.

Hadi sasa, idadi kubwa ya bodi mbalimbali za kuongeza kasi na kompyuta maalum za neuro zimetengenezwa. Kompyuta za neva tayari zinatumika katika nyanja mbalimbali za shughuli za binadamu. Nchini Marekani, kuna mfumo wa kugundua vilipuzi vya plastiki kwenye mizigo ya abiria wa anga kulingana na mtandao wa neva. Kipaumbele kikubwa hulipwa kwa suala la kutumia wasindikaji wa neural katika kubadili mifumo katika mitandao ya data. Kuna mifumo ya kutambua alama za vidole kwa kutumia mitandao ya neva. Maandiko yanaelezea matukio mengine mengi ya matumizi ya mafanikio ya wasindikaji wa neva.

Kipengele cha tabia ya duru mpya ya maendeleo ya teknolojia ya kompyuta ni kwamba huleta mabadiliko ya kimsingi katika ulimwengu wa sayansi ya kompyuta. Kwa kuanzishwa kwa kizazi kijacho cha teknolojia ya kompyuta katika jamii, hakutakuwa na haja ya taaluma ya programu, na nafasi yake itachukuliwa na mtaalamu katika mafunzo ya neurocomputer. Uanzishaji wa kila kompyuta mpya utatanguliwa na mafunzo yake. Inawezekana kwamba kutakuwa na haja ya wanasaikolojia ya mtandao na waelimishaji wa kompyuta ya neural. Kwa hivyo, tunaishi katika hatua ya mabadiliko katika maendeleo ya sayansi ya kompyuta na teknolojia ya kompyuta, na wasindikaji wa neural wa Intel - ishara za kwanza za enzi ya kompyuta za neva - zimekuwa na jukumu kubwa katika ukweli kwamba imefika.

Fasihi

1. A. Thakoor et al., Mapitio ya Mpango wa DARPA, Des. 1991, Washington, D.C.
2. M. Holler, S. Tam, H. Castro, R. Benson, “Mtandao Bandia Unaofunzwa Kwa Umeme (ETANN) wenye Synapses 10240 za “Floating Grate,” Mkutano wa Pamoja wa Kimataifa wa Mitandao ya Neural, Juni 1989, Washington, D.C.
3. Intel, i80170NX Electrically Trainable Analog Neural Network, Intel Corp., Juni 1991.
4. Stanly, Jeanette, Utangulizi wa Neural Networks, California Scientific Software, 1990.
5. Intel, 80170NX Neural Network Technology & Application, Intel Corp., 1992.

Sergey Grinyaev

Tunakaribisha wasomaji wetu kwenye kurasa za blogi ya iCover! Katika Mkutano wa Kimataifa wa Duru za Jimbo Imara (ISSCC-2016) uliofanyika San Francisco mapema Februari, kikundi cha watengenezaji kutoka MIT (Taasisi ya Teknolojia ya Massachusetts) walionyesha mfano wa kufanya kazi wa chip ya kizazi kipya cha Eyeriss, ambacho kiliundwa kama suluhisho la dhana. ambayo huruhusu kuunda upya uwezo wa algoriti za mtandao wa neva katika anuwai ya vifaa vyenye nguvu kidogo.

Mojawapo ya sababu zinazolengwa kwa nini mitandao ya neva bandia haijapata usanidi mzuri katika simu zetu mahiri au kompyuta kibao ni ukosefu wa chanzo cha nguvu cha kutosha cha nishati ya kutosha. Baada ya yote, kinachojulikana kama ubongo-kama, "ubongo-kama" mifumo ya akili ya bandia, angalau kwa namna ambayo inawakilishwa na teknolojia za kisasa, inategemea operesheni yao kwa wasindikaji wenye nguvu wa msingi mbalimbali, ambao hutumia kiasi cha ajabu. ya nishati kwa kulinganisha na ubongo wetu. Haikuwezekana kufikiria suluhisho kama hizo kwa kiwango cha vifaa vya darasa la watumiaji, angalau hadi hivi karibuni. Wakati huo huo, wazo la "miniaturization" ya akili ya bandia limekuwa likifurahisha akili za watengenezaji kwa muda mrefu na, kama inavyotokea, tayari linazaa matunda yanayoonekana.

Mitandao ya Neural imekuwa lengo la tahadhari ya kisayansi tangu siku za kwanza za utafiti wa akili ya bandia, lakini katika miaka ya 1970, walikuwa wamesahau. Katika miaka kumi iliyopita, teknolojia zinazohusiana na matumizi ya mitandao ya neural zimesomwa kwa kiwango cha programu za "kujifunza kwa kina".

"Kujifunza kwa kina kuna matumizi mengi, kama vile utambuzi wa kitu, utambuzi wa usemi, au utambuzi wa uso," kumbuka Vivienne Sze na Emanuel E. Landsman, profesa msaidizi wa MIT wa uhandisi wa umeme na sayansi ya kompyuta ambaye kikundi chake kilitengeneza chip mpya. "Sasa, mitandao ya neva ni ngumu sana na inafanya kazi hasa kwenye chips zenye nguvu. Hebu fikiria kuwa unaweza kuleta utendaji huu kwenye simu yako ya mkononi au kifaa kilichopachikwa na kisha kuchakata habari nyingi sana bila kutumia muunganisho wa Wi-Fi. Kusindika kiasi kikubwa cha data kwenye smartphone yako kutaepuka kuchelewesha ambayo hutokea kwa sababu ya kubadilishana data na mtandao, ambayo, kwa upande wake, itawawezesha programu nyingi kufanya kazi kwa ufanisi zaidi. Kwa kuongezea, suluhisho lililopendekezwa litatoa ubora mpya wa ulinzi kwa habari za siri.

Mitandao ya neva kwa kawaida hutekelezwa kwenye vitengo vya uchakataji wa michoro ya msingi nyingi (GPUs). Katika Mkutano wa Kimataifa huko San Francisco, watafiti wa MIT waliwasilisha chip mpya-msingi 168 iliyoundwa kutekeleza algorithms ya akili ya bandia kulingana na mitandao ya neural. Ikilinganishwa na GPU ya simu ya mkononi (haijabainishwa ni ipi), kichakataji kilionyesha ufanisi zaidi mara 10, kikiruhusu kifaa cha mkononi cha mtumiaji kutumiwa kuendesha algoriti zenye nguvu za AI ndani ya nchi bila hitaji la kutuma data kwa wingu ili kuchakatwa. Hoja kuu za maendeleo zinaonyeshwa katika taarifa ya vyombo vya habari ya MIT ya tarehe 3 Februari 2016.

Chip mpya, inayoitwa "Eyeriss" na watengenezaji, inaweza kupata matumizi mengi katika Mtandao wa Mambo, vifaa vya elektroniki vya kuvaliwa, magari ya kujiendesha, vifaa vya utengenezaji, na hata katika kilimo, kusaidia kutatua na kuratibu shida za sasa. Kukiwa na algoriti za akili bandia kwenye ubao, vifaa vya rununu vitaweza kufanya maamuzi katika ngazi ya ndani, kumpa mtumiaji matokeo yaliyowekwa tayari kama mwongozo wa hatua, badala ya seti ya data "mbichi" kutoka kwa Mtandao. Na, kwa kweli, moja ya matumizi ya mitandao ya ndani ya neva ni matumizi yao katika kuunda roboti zinazojitegemea kwa madhumuni anuwai.

Gawanya na utawala

Mitandao ya Neural huwa na muundo wa tabaka nyingi na kila safu ina idadi kubwa ya nodi za usindikaji. Katika hatua ya awali ya usindikaji, data hufika na inasambazwa kati ya nodi za safu ya chini. Baada ya kusindika data iliyopokelewa kwa kila nodi, matokeo huhamishiwa kwa usindikaji kwa nodi za safu inayofuata. Katika pato la safu ya mwisho, matokeo ya kutatua tatizo huundwa. Ipasavyo, kutatua matatizo makubwa kwa kutumia algorithm iliyoelezwa itahitaji rasilimali muhimu za kompyuta.

Mahitaji ya awali yaliyowekwa kwa chip na watengenezaji wenyewe yaliwaweka ndani ya mfumo wa haki kali: kwa upande mmoja, suluhisho lazima liwe na ufanisi wa nishati, kwa upande mwingine, lazima lifanye kazi na vitalu rahisi vya habari. Hatimaye, chip lazima iweze kuiga aina tofauti za mitandao ya neural, kwa kuzingatia kazi za sasa zilizopewa. Mahitaji haya yote yalitekelezwa kwa ufanisi katika processor ya Eyeriss.

Chip, iliyotengenezwa katika maabara ya MIT, ni mtandao wa neural ambao tayari umeundwa, uliowekwa ndani kwa kiwango cha processor ya msingi-168, ambayo katika siku zijazo inaweza kujengwa kwenye vifaa vya rununu.

Ufunguo wa ufanisi wa Eyeriss ni kupunguza mzunguko wa mawasiliano kati ya cores na benki za kumbukumbu za nje, operesheni inayohusishwa na matumizi makubwa ya nguvu na gharama za wakati. Wakati cores za jadi za GPU hushiriki benki ya kumbukumbu ya kawaida, kila msingi wa Eyeriss una kumbukumbu yake. Kwa kuongeza, data hupitia utaratibu wa compression kabla ya kutumwa kwa cores jirani.

Faida nyingine ya algorithm iliyotekelezwa ni uwezo wa cores "kuwasiliana" moja kwa moja, kupitisha "mpatanishi" kwa namna ya basi ya kumbukumbu ya mfumo. Hiki ni kipengele muhimu cha kuiga utendakazi wa Mtandao wa Neural Convolutional (CNN). Kazi zote za computational zinazohitajika kwa utambuzi wa picha na hotuba hufanyika ndani ya Eyeriss, bila ya haja ya kufikia rasilimali za mtandao, ambayo inaruhusu kifaa kufanya kazi kwa ufanisi hata kwa kutokuwepo kwa mtandao wa nje.

Hatimaye, faida nyingine ya Eyeriss ni kanuni ya usambazaji wa "smart" wa kazi za kompyuta binafsi kati ya cores ndani ya mfumo wa tatizo moja la kutatuliwa. Katika kumbukumbu yake ya ndani, kernel lazima ihifadhi sio tu data iliyosindika na nodi, lakini pia data inayoelezea nodi zenyewe. Ili kuhakikisha utendaji wa juu zaidi wa mchakato wa usindikaji wa data, na pia kupakia Eyeriss na kiwango cha juu cha data kutoka kwa kumbukumbu kuu, algorithm ya kusambaza aina zote mbili za data inaboreshwa na chip iliyoundwa mahsusi kwa kusudi hili kwa wakati halisi. , kwa kuzingatia vipengele vya mtandao wa sasa wa neva.

Katika Mkutano wa Kimataifa wa Mizunguko ya Jimbo Imara huko San Francisco, timu ya uendelezaji, kwa kutumia uwezo wa kiwango cha "mtumiaji" chipu ya Eyeriss, ilionyesha utekelezaji wa algoriti ya utambuzi wa muundo ndani ya mtandao wa ndani wa neva. Kazi sawa, iliyotajwa katika taarifa ya vyombo vya habari, ilitekelezwa mapema, lakini kwa kiwango cha miradi ya serikali ya mitandao ya kisasa ya neural iliyoundwa.

"Kazi hii ni muhimu kwa sababu inaonyesha jinsi vichakataji vilivyopachikwa vya kina vinavyoweza kutoa nguvu na utendakazi wa uboreshaji unaohitajika na kuleta kompyuta ngumu kutoka kwa wingu hadi vifaa vya rununu," Mike Polley, makamu mkuu wa rais wa Samsung's Mobile Processor Innovations Lab. akiongeza: "Mbali na seti ya ubunifu ya suluhisho la vifaa, utafiti wa MIT unaonyesha wazi jinsi kernel iliyoingia inaweza kufanywa kuwa muhimu kwa watengenezaji wa programu kutumia usanifu wa kawaida wa mtandao wa AlexNet na Caffe."

Ufadhili wa mradi wa Eyeriss, kuanzia na uundaji wa kitengo cha msingi katika maabara ya MIT, ulitolewa kwa sehemu na wakala wa ulinzi wa Amerika DARPA. Haishangazi kwamba wa kwanza kujibu tangazo la processor na nyenzo za uhariri za kuvutia alikuwa mchambuzi maarufu wa kijeshi Patrick Tucker. Wasindikaji mpya wa Eyeriss waliowekwa kwenye vifaa vya rununu vya askari wa Amerika, kwa maoni yake, wataweza kutatua shida ngumu za kompyuta zinazohusiana na usindikaji wa habari nyingi bila kuunganishwa na mtandao wa kawaida.

Kwa hivyo, Jeshi la Wanahewa la Merika kwa sasa linapokea hadi saa 1,500 za video ya HD na hadi picha 1,500 zenye azimio la hali ya juu kila siku kutoka kwa ndege zisizo na rubani zinazozunguka Afghanistan. Kwa kuongezea, mtiririko huu wote usio na mwisho wa habari unapaswa kuchambuliwa kwa macho na waendeshaji kwa njia ya kizamani, kwani programu zilizopo za kompyuta haziwezi kutofautisha mkulima anayetembea kwenye njia ya mlima na fimbo kutoka kwa gaidi aliye na kizindua cha makombora ya kuongozwa. . Ili kutatua matatizo kama haya, mbinu za kujifunza kwa mashine kulingana na mafunzo ya uwakilishi zilianza kuundwa.

Wachakataji wa Eyeriss ni bora kwa usakinishaji kwenye ndege zisizo na rubani za kijeshi, kwani zitaruhusu usindikaji wa akili wa safu ya picha na video kwa kutumia teknolojia ya kujifunza kwa kina moja kwa moja kwenye ndege. Katika kesi hii, data muhimu iliyochunguzwa inaweza kutumwa moja kwa moja kwa vitengo vya kupambana vinavyofanya kazi katika eneo maalum, kupita kituo cha kuchambua habari za uendeshaji.

Muhtasari mfupi

Wakati wa majaribio, chip ya Eyeriss ilionyesha kiwango cha ufanisi wa nishati mara kumi zaidi ya ile ya chips za kisasa za picha za rununu. Wakati huo huo, kwa msaada wake inageuka kuwa inawezekana kiteknolojia ili kuhakikisha uendeshaji wa algorithms ya akili ya bandia kwenye vifaa vilivyo na ukubwa wa kompakt - kutoka kwa simu mahiri na kompyuta kibao hadi vifaa vya elektroniki vinavyoweza kuvaliwa. Ucheleweshaji unaoundwa na mitandao wakati wa kubadilishana data kwa kichakataji kama hicho hupunguzwa, kwani chip inaweza kufanya hesabu nyingi ndani ya nchi. Kulingana na Eyeriss, itawezekana kuunda sio tu kila aina ya "vifaa vya smart", lakini pia roboti ambazo zina kiwango fulani cha uhuru katika kufanya maamuzi.

Watengenezaji wa MIT bado hawajataja vipindi maalum vya wakati ambapo Eyeriss ataweza kubadilika kuwa bidhaa ya kibiashara na kufichua kikamilifu uwezo wake katika kiwango cha watumiaji. Kuhusika kwa wataalamu wakuu wa NVIDIA katika ukuzaji na hamu kubwa ya watafiti wanaowajibika kutoka Samsung hutia matumaini.