Intel anunció la disponibilidad de Pohoiki Springs, su sistema de investigación neuromórfica que proporciona una capacidad computacional de 100 millones de neuronas. El sistema basado en la nube estará disponible para los miembros de la Comunidad de Investigación Neuromórfica de Intel (INRC, por sus siglas en inglés); ampliando su trabajo neuromórfico para resolver los problemas más grandes y complejos.
“Pohoiki Springs expande nuestro procesador neuromórfico Loihi más de 750 veces, al tiempo que funciona con un nivel de energía inferior a 500 watts. El sistema hace posible que nuestros socios de investigación exploren como acelerar las cargas de trabajo que se ejecutan lentamente hoy en las arquitecturas convencionales, incluyendo los sistemas de Computación de Alto Desempeño (HPC)», afirmó Mike Davies, director del Laboratorio de Computación Neuromórfica de Intel.
Pohoiki Springs es el sistema de computación neuromórfica más grande de Intel que ha desarrollado hasta la fecha. Es un sistema de centro de datos, que integra 768 procesadores neuromórficos Loihi dentro de un chasis del tamaño de cinco servidores estándar.
Los procesadores Loihi están inspirados en el cerebro humano. Al igual que el cerebro, Loihi promete procesar ciertas cargas de trabajo exigentes hasta 1,000 veces más rápido y 10,000 veces más eficientemente que los procesadores convencionales.
Pohoiki Springs busca ayudar a escalar esta arquitectura y evaluar el potencial que tiene para resolver no solo los problemas de Inteligencia Artificial, sino también una amplia gama de problemas tecnológicos.
Los investigadores de Intel creen que el paralelismo extremo y la señalización asincrónica de los sistemas neuromórficos pueden proporcionar ganancias significativas en el rendimiento a niveles de potencia, reducidos drásticamente en comparación con las computadoras convencionales.
Kapoho Bay, está compuesto por dos procesadores Loihi con 262,000 neuronas y soporta una variedad de cargas de trabajo perimetral en tiempo real. Los investigadores de Intel e INRC, han demostrado la capacidad de Loihi de reconocer gestos en tiempo real; leer braille usando una novedosa piel artificial; orientarse usando referentes visuales aprendidos, y aprender nuevos patrones de olor – todo mientras consume decenas de miliWatts de energía. Estos ejemplos a pequeña escala han mostrado una excelente escalabilidad, en donde los principales problemas se ejecutan a mayor velocidad y con mayor eficiencia en Loihi, en comparación con las soluciones convencionales. Lo anterior refleja la escalabilidad de los cerebros que se encuentran en la naturaleza, desde los insectos hasta los cerebros humanos.
Con 100 millones de neuronas, Pohoiki Springs incrementa la capacidad neuronal de Loihi al tamaño del cerebro de un mamífero pequeño, lo cual es un gran paso hacia el soporte de cargas de trabajo neuromórficas.
Este sistema sienta las bases de un futuro autónomo, conectado, que necesitará nuevos enfoques de procesamiento de datos dinámicos, en tiempo real.
¿Cómo se va a usar?
Los sistemas neuromórficos de Intel, como Pohoiki Springs, están en la etapa de investigación y no tienen el propósito de reemplazar a los sistemas computacionales convencionales. Ofrecen una herramienta para que los investigadores desarrollen y den vida a nuevos algoritmos inspirados en las neuronas para procesamiento, resolución de problemas, adaptación y aprendizaje en tiempo real.
Los miembros de INRC accederán a Pohoiki Springs y construirán aplicaciones mediante la nube, usando el kit de desarrollo de software Intel Nx SKD y componentes de software al que contribuye la comunidad.
Entre los ejemplos de los algoritmos escalables que se están desarrollando para Loihi, se encuentran:
- Satisfacción de restricciones: Los problemas de satisfacción de restricciones (CSP por sus siglas en inglés), están presentes en todas partes del mundo, desde los juegos de Sudoku hasta la programación de aerolíneas e incluso la planeación de la entrega de paquetes. Todas ellas requieren una evaluación de un gran número de soluciones potenciales para identificar una o algunas que satisfagan restricciones específicas. Loihi puede acelerar esos problemas explorando muchas soluciones diferentes en paralelo y a gran velocidad.
- Búsqueda de gráficos y patrones: Todos los días, las personas buscan estructuras de datos basadas en gráficos para encontrar caminos óptimos y patrones que coincidan estrechamente; por ejemplo, para obtener indicaciones de manejo o para reconocimiento facial. Loihi ha demostrado tener la capacidad de identificar rápidamente los caminos más cortos en los gráficos y de realizar búsquedas de imágenes aproximadas.
- Problemas de optimización: Las arquitecturas neuromórficas se pueden programar de manera que su conducta dinámica, con el tiempo, optimice matemáticamente objetivos específicos. Esta conducta puede aplicarse a resolver problemas de optimización del mundo real, como maximizar el ancho de banda de un canal de comunicación inalámbrica o asignar una cartera de acciones para minimizar el riesgo a una tasa de rentabilidad objetivo.