NÖROMORFİK HESAPLAMA HAKKINDA BİLMENİZ GEREKEN HER ŞEY!

Geçtiğimiz yılın Temmuz ayında, bir grup yapay zeka araştırmacısı, engeller arasında dolaşabilen, bir kişiyi takip edebilen ve sesli komutlara cevap verebilen kendi kendine sürüş yapan bir bisiklet sergiledi. Kendi kendine giden bisikletin kendisi çok az kullanım gerektirirken, arkasındaki yapay zeka teknolojisi dikkat çekiciydi. Bisiklete güç veren nöromorfik bir çipti, özel bir yapay zeka bilgisayarıydı.

Nöromorfik hesaplama yeni değil. Aslında, ilk olarak 1980’lerde ortaya çıktı. Ancak yapay zeka endüstrisindeki son gelişmeler nöromorfik bilgisayarlara olan ilgiyi tazeledi.Derin öğrenme ve sinir ağlarının artan popülaritesi, sinir ağı hesaplamaları için özelleştirilmiş yapay zeka donanımı geliştirmek için bir yarış başlattı.

Son birkaç yılda ortaya çıkan birkaç trend arasında, biyolojik ve yapay sinir ağlarına benzerlikleri nedeniyle umut veren nöromorfik bilgi işlem bulunmaktadır.

Derin sinir ağları nasıl çalışır?

Yapay zeka alanındaki son gelişmelerin merkezinde, insan beyninin yapısını kabaca takip eden yapay zeka yazılımı ve yapay sinir ağları (ANN) bulunmaktadır. Sinir ağları, yapay nöronlardan, basit matematiksel işlevleri yerine getiren küçük hesaplama birimlerinden oluşur.Yapay nöronlar tek başına fazla kullanılmaz. Ancak bunları katmanlar halinde biriktirdiğinizde, görüntülerdeki nesneleri algılama ve sesi metne dönüştürme gibi dikkat çekici görevleri gerçekleştirebilirler. Derin sinir ağları düzinelerce katmana yayılmış yüz milyonlarca nöron içerebilir.Derin bir öğrenme algoritması geliştirirken, geliştiriciler sinir ağı üzerinden beklenen sonuçla birlikte birçok örnek çalıştırırlar. Yapay zeka modeli, daha fazla veriyi gözden geçirirken yapay nöronların her birini ayarlar. Yavaş yavaş, hileli banka işlemlerini işaretlemek gibi tasarlandığı belirli görevlerde daha doğru sonuçlar elde edebilir hale gelir.

Sinir ağlarını geleneksel donanımda çalıştırmanın zorlukları

Geleneksel bilgisayarlar bir veya birkaç merkezi işlem birimiyle (CPU) çalışırlar. CPU’lar çok fazla güç tüketir ve yüksek hızlarda karmaşık işlemler gerçekleştirebilir. Sinir ağlarının dağıtılmış doğası göz önüne alındığında, bunları klasik bilgisayarlarda çalıştırmak zahmetlidir. CPU’ları, kayıtlar ve bellek konumları aracılığıyla milyonlarca yapay nöronu taklit etmeli ve her birini sırayla hesaplamalıdır.Grafik İşlem Birimleri (GPU’lar), oyunlar ve 3D yazılımlar için kullanılan donanım, çok sayıda paralel işlem yapabilir ve özellikle sinir ağlarının çekirdek operasyonu olan matris çarpımını gerçekleştirmede iyidir. GPU dizilerinin sinir ağı işlemlerinde çok yararlı olduğu kanıtlanmıştır.Sinir ağlarının popülaritesindeki artış ve derin öğrenme GPU üreticileri için bir nimet olmuştur. Grafik donanım şirketi Nvidia, hisse senedi fiyat değerinin son birkaç yılda birkaç kat arttığını gördü.Bununla birlikte, GPU’lar sinir ağlarının fiziksel yapısından yoksundur ve son derece hızlı da olsa yazılımdaki nöronları taklit etmelidir. GPU’lar ve sinir ağları arasındaki farklılıklar, aşırı güç tüketimi gibi birçok verimsizliğe neden olur.

Nöromorfik çipler

(Intel’in nöromorfik çipi, Loihi.)Genel amaçlı işlemcilerin aksine, nöromorfik çipler yapay sinir ağları gibi fiziksel olarak yapılandırılmıştır. Her nöromorfik çip, yapay bir nörona karşılık gelen birçok küçük hesaplama biriminden oluşur. CPU’ların aksine, nöromorfik çiplerdeki bilgi işlem birimleri çok fazla farklı işlem gerçekleştiremez. Tek bir nöronun matematiksel fonksiyonunu yerine getirmek için yeterli güce sahiptirler.

Nöromorfik çiplerin bir diğer önemli özelliği yapay nöronlar arasındaki fiziksel bağlantılardır. Bu bağlantılar nöromorfik çipleri biyolojik nöronlardan ve sinaps adı verilen bağlantılarından oluşan organik beyinlere benzetir. Bir dizi fiziksel olarak bağlı yapay nöron yaratmak, nöromorfik bilgisayarlara gerçek güçlerini veren şeydir.Nöromorfik bilgisayarların yapısı onları sinir ağlarının eğitimi ve çalıştırılmasında çok daha verimli hale getirir. Yapay zeka modellerini, daha az güç tüketirken eşdeğer CPU ve GPU’lardan daha hızlı çalıştırabilirler. Güç tüketimi zaten yapay zekanın temel zorluklarından biri olduğundan bu önemlidir.

Nöromorfik bilgisayarların daha küçük boyutu ve düşük güç tüketimi, onları bulut yerine aksine yapay zeka algoritmalarını çalıştırmayı gerektiren kullanım durumları için uygun hale getirir.Nöromorfik çipler içerdikleri nöronların sayısı ile karakterizedir.

Bu makalenin başında bahsedilen kendi kendini süren bisiklette kullanılan nöromorfik çip olan Tianjic çip, 3.8 milimetrekarelik bir alanda yaklaşık 40.000 yapay nöron ve 10 milyon sinaps içeriyordu. Eşit sayıda nöron çalıştıran bir GPU ile karşılaştırıldığında, Tianjic 1.6-100x daha hızlı performans gösterdi ve 12-10.000x daha az güç tüketti.Ancak 40.000, bir balığın beynindeki kadar sınırlı sayıda nörondur.

İnsan beyninde ise yaklaşık 100 milyar nöron bulunur.Birçok uygulamada kullanılan popüler bir görüntü sınıflandırma ağı olan AlexNet’in 62 milyondan fazla parametresi vardır. OpenAI’nin GPT-2 dil modeli bir milyardan fazla parametre içerir.Ancak Tianjic çip, ticari kullanımlar için tasarlanan nöromorfik bir bilgisayardan ziyade bir kavram kanıtıydı. Diğer şirketler halihazırda farklı yapay zeka uygulamalarında kullanılmaya hazır nöromorfik çipler geliştirmektedir.

Buna örnek Intel’in Loihi çipleri ve Pohoiki Beach bilgisayarları verilebilir. Her Loihi çipi 131.000 nöron ve 130 milyon sinaps içerir. Temmuz ayında tanıtılan Pohoiki bilgisayarı 8.3 milyon nöron paketliyor. Pohoiki, eşdeğer GPU’lardan 1000 kat daha iyi performans sunar ve 10.000 kat daha fazla enerji verimlidir.

Nöromorfik hesaplama ve genel yapay zeka (AGI)

Nature’da yayınlanan bir makalede, Tianjic çipini oluşturan yapay zeka araştırmacıları, çalışmalarının bizi genel yapay zekaya (AGI) yaklaştırmaya yardımcı olabileceğini gözlemlediler. Genel yapay zekanın insan beyninin yeteneklerini çoğaltması gerekiyor.

Mevcut yapay zeka teknolojileri sınırlıdır: belirli sorunları çözebilirler ve bilgilerini genelleştirmekte kötüdürler.Örneğin, StarCraft II gibi bir oyunu oynamak için tasarlanmış bir yapay zeka modelinin, Dota 2 gibi başka bir oyunda denemeye çalışmak çaresiz bir çaba olacaktır. Çünkü bu oyun tamamen farklı bir yapay zeka algoritması gerektirecektir.

Tianjic tasarımcılarına göre, yapay zeka çipleri, tek bir cihazda nesne algılama, konuşma tanıma, navigasyon ve engellerden kaçınma dahil olmak üzere birçok sorunu çözebildi.Ancak nöromorfik çipler insan beynini taklit etmeye bir adım daha yaklaşsa da, daha gidilecek daha çok yol var.

Genel yapay zeka, birkaç kısıtlı yapay zeka modelinin bir araya getirilmesinden daha fazlasını gerektirir.Yapay sinir ağları, özünde istatistiksel makinelerdir ve istatistikler, akıl yürütme, anlama ve genel problem çözme gerektiren sorunları çözmeye yardımcı olamaz. Örnekler arasında doğal dil anlama ve açık dünyalarda gezinme sayılabilir.Daha verimli yapay sinir ağı donanımları oluşturmak bu sorunları çözmez. Ama belki de beynimize çok benzeyen yapay zeka çiplerine sahip olmak, zekayı anlamak ve yaratmak için yeni yollar açacaktır.

More from Bilim Kurgu

---