работы биологических нейронов. Прорыв случился лишь в начале 2010-х, когда с одной стороны взрывной рост глубокого обучения продемонстрировал силу нейроподобных архитектур, а с другой – появились первые коммерчески доступные нейроморфные чипы.
Нейроморфный искусственный интеллект основан на аппаратной реализации искусственных нейронных сетей, максимально близкой по своей структуре и принципам работы к биологическим прототипам. В отличие от традиционных процессоров, где вычисления производятся последовательно и централизованно, в нейроморфных системах обработка сигналов происходит распределенно, асинхронно и параллельно – примерно так же, как в нервной системе живых существ. Каждый искусственный нейрон – это относительно простой процессорный элемент, который принимает сигналы от других нейронов, суммирует их, и при преодолении порогового значения генерирует собственный импульс. Обучение нейронной сети происходит за счет изменения "силы" межнейронных связей – синапсов.
Ключевое преимущество нейроморфного подхода в том, что он позволяет радикально ускорить и удешевить работу нейросетевых алгоритмов за счет специализированного "железа". Там, где обычному процессору нужно эмулировать структуру нейросети программно, нейроморфный чип воспроизводит ее "в кремнии", обеспечивая на порядки большую скорость и энергоэффективность вычислений. Кроме того, нейроморфные системы гораздо лучше подходят для обработки неструктурированных сенсорных данных (звука, видео, тактильных ощущений) и способны обучаться в реальном времени, не требуя длительной предварительной тренировки на гигантских дата-сетах.
Уже сейчас первые поколения нейроморфных чипов (например, TrueNorth от IBM и Loihi от Intel) демонстрируют впечатляющие результаты в таких задачах как компьютерное зрение, обработка естественного языка, адаптивное управление роботами. Применение нейроморфного ИИ позволяет достичь производительности в десятки терафлопс на ватт энергопотребления – на 2-3 порядка выше, чем у лучших универсальных процессоров. А в перспективе, с интеграцией нейроморфных элементов непосредственно в сенсоры и усилители, станет возможным создание настоящих антропоморфных когнитивных систем, сравнимых по своим возможностям с нервной системой человека.
Впрочем, пока нейроморфный ИИ еще остается скорее многообещающим, чем по-настоящему зрелым подходом. Слишком много фундаментальных вопросов пока не имеют внятного ответа. Какова должна быть оптимальная архитектура искусственных нейронов и синапсов? Как правильно соединять их в сети и какие алгоритмы обучения использовать? Как наладить взаимодействие между нейроморфной и традиционной цифровой обработкой? Для прорыва в этой области нужны не только инженерные инновации, но и более глубокое понимание устройства биологического интеллекта.
Собственно, именно на стыке нейронауки и компьютерных дисциплин сейчас разворачивается одно из самых горячих направлений ИИ-исследований
