Thiết kế chip mới giúp máy móc hoạt động giống não người hơn

Thu Thảo
Thu Thảo
13/10/2018 18:47 GMT+7

Các nhà nghiên cứu thuộc Viện Công nghệ Massachusetts (MIT) ở Mỹ đang phát triển loại chip “kèm não bộ” cho điện toán thần kinh. Chip có thể xử lý sự kiện, mô hình và học tập ở tốc độ cực nhanh.

Theo CNBC, dù công nghệ máy học phát triển nhanh trong thập niên qua, phần cứng cơ bản cho phép thực hiện nhiều nhiệm vụ máy học (machine learning) của nó không thay đổi nhiều. Chip xử lý truyền thống chẳng hạn như các đơn vị xử lý máy tính (CPU) và đơn vị xử lý đồ họa (GPU) vẫn được dùng kết hợp trong nhiều trung tâm dữ liệu lớn.
Việc tạo đột phá trong khía cạnh xử lý là lĩnh vực điện toán thần kinh. Mảng này tìm cách khiến chip máy tính hoạt động giống não người hơn, để chúng xử lý được nhiều sự kiện, hình mẫu và nhiệm vụ học tập với tốc độ cực nhanh.
Năm nay, giới nghiên cứu thuộc MIT tung ra thiết kế chip hình thái thần kinh mang tính cách mạng, có thể đại diện cho bước nhảy vọt tiếp theo của công nghệ trí tuệ nhân tạo (AI).
Bí mật ở đây là thiết kế tạo ra khớp thần kinh (synapse) cho phần cứng “bộ não trên chip”. Chip kỹ thuật số hiện thời thực hiện tính toán dựa trên tín hiệu nhị phân, tín hiệu bật/tắt. Chip hình thái thần kinh thì làm việc theo dạng tương tự, trao đổi các đợt bùng phát tín hiệu điện tử ở nhiều cường độ khác nhau, giống như tế bào thần kinh trong não.
Đây là bước đi đột phá vì có “hơn 100.000 tỉ khớp thần kinh trung gian truyền tín hiệu thần kinh trong não”, theo giới nghiên cứu MIT.
Từ trái qua: Nhà nghiên cứu Scott H. Tan, Jeehwan Kim và Shinhyun thuộc Viện Công nghệ Massachusetts Ảnh: MIT
Nghiên cứu của MIT được công bố trên tạp chí Nature Materials hồi tháng 1. Nó thể hiện thiết kế mới cho chip hình thái thần kinh được chế tạo từ silicon germanium. Cấu trúc tạo đường dẫn cho phép các nhà nghiên cứu kiểm soát chính xác cường độ dòng điện. Trong một thí nghiệm mô phỏng, nhóm nghiên cứu phát hiện chip có thể trình bày mẫu viết tay của con người với độ chính xác 95%.
“Mạng lưới nơron trí tuệ nhân tạo thuộc siêu máy tính hoạt động rất chính xác và rất hiệu quả. Tuy nhiên, nó tiêu thụ nhiều năng lượng”, giáo sư kiêm người kiểm tra chính Jeehwan Kim tại Phòng thí nghiệm Điện tử và Phòng thí nghiệm công nghệ hệ thống siêu vi của MIT cho hay. Nghiên cứu của MIT do ông Kim dẫn đầu, mất 3 năm để thực hiện và vẫn đang tiếp tục nhờ 125.000 USD tài trợ từ Quỹ Khoa học Quốc gia Mỹ.
Cuối cùng, thiết kế chip như thế có thể giúp các bộ vi xử lý có khả năng thực hiện nhiều nhiệm vụ máy học (machine learning) với nhu cầu năng lượng thấp hơn đáng kể. Nó cũng có thể nhanh chóng phát triển máy móc có hình dạng như người và công nghệ ô tô tự lái.
Một điểm cộng khác là thiết kế chip mới có thể tiết kiệm chi phí và cải thiện tính di động. Người ta cho rằng chip hình thái thần kinh nhỏ tiêu thụ ít năng lượng hơn, có thể ít hơn đến 1.000 lần, trong khi vẫn xử lý hiệu quả hàng triệu phép tính cùng lúc. Đây là điều hiện chỉ khả thi với một loạt siêu máy tính.
Thị trường chip tạo điều kiện cho công nghệ machine learning khá lớn. Năm ngoái, theo Intersect360, thị trường có giá xấp xỉ 4,5 tỉ USD. Chip hình thái thần kinh chỉ chiếm phần nhỏ. Theo Deloitte, có thể có chưa đến 10.000 chip loại này được bán ra trong năm qua, trong khi có khoảng 500.000 GPU được dự kiến bán ra trong năm nay.
GPU ban đầu do hãng Nvidia phát triển vào thập niên 1990 cho chơi game trên máy tính. Cuối cùng, giới nghiên cứu phát hiện nó có hiệu quả cao trong việc hỗ trợ các nhiệm vụ máy học thông qua mạng lưới nơron nhân tạo, được chạy trên siêu máy tính và cho phép các nhiệm vụ đào tạo, kết luận tạo nên phân đoạn chính của bất kể luồng công việc AI nào.
Mô phỏng công nghệ xe tự hành di chuyển trên đường phố Ảnh: Đại học Tufts
Những năm gần đây, startup nhỏ lẫn doanh nghiệp lớn đều đang sửa đổi cấu trúc chip của họ để đáp ứng nhu cầu khối lượng công việc AI, trong đó có xe tự hành và nhận dạng giọng nói. Cách đây hai năm, hầu như tất cả nhiệm vụ machine learning có liên quan đến mạng nơron nhân tạo đều sử dụng lượng lớn GPU và CPU. Năm nay, thiết kế chip mới chẳng hạn như FPGA và ASIC chiếm phần lớn loại chip machine learning ở nhiều trung tâm dữ liệu.
Nhà khoa học về điện toán theo gợi cảm hứng từ não người Dharmendra S. Modha thuộc IBM cho hay: “Sức mạnh và hiệu suất của điện toán thần kinh vượt trội hơn nhiều so với bất kỳ giải pháp gia tăng nào mà chúng ta có thể kỳ vọng từ các nền tảng. Chúng tôi không cho rằng điện toán thần kinh sẽ thay thế điện toán truyền thống, nhưng tôi tin rằng nó sẽ là công nghệ chủ chốt cho xe tự hành và robot”.
Top

Bạn không thể gửi bình luận liên tục. Xin hãy đợi
60 giây nữa.