https://www.ras.ru/news/shownews.aspx?id=1f00ab53-8ad5-47c5-b0cf-f9d5d2d990f9&print=1
© 2021 Российская академия наук

Нейроморфный интеллект: трудно быть богом

27.05.2021



В Российской академии наук эксперты поделились, на какой стадии находятся исследования в области нейроморфных систем, функционирующих по принципам человеческого мозга, и с какими проблемами приходится сталкиваться при практическом внедрении достижений фундаментальных исследований по этому направлению. Модератором встречи выступил вице-президент РАН, член бюро Отделения медицинских наук, академик РАН Владимир Чехонин.

Открывая совещание, президент РАН Александр Сергеев подчеркнул, что тематика нейроморфного интеллекта активно развивается во многих странах внутри программ по исследованию мозга. Ведь именно у мозга в свое время был заимствован принцип нейронных систем.

«Без того, чтобы продвинуться вперед в понимании функционирования мозга, невозможно сделать эффективный нейроморфный интеллект. Есть несколько стран, которые объявили о создании таких типов чипов (например, США, Китай), но пока это далеко от того, каким мы увидели бы функционирующий нейроморфный интеллект в будущем. Надежды связаны с тем, что мы разберемся в том, что такое единица информации при ее обработке мозгом, каким образом происходит обработка, хранение информации. И воспроизведем систему на базе комплектующих, которых не было в запасе у природы, а у нас есть - в виде современных материалов, технологий, и эта система сможет функционировать эффективнее человеческого мозга. Безусловно, это потребует серьезной работы разных ученых: медиков, биологов, которые продолжают получать информацию о функционировании мозга, а также физиков, математиков, представителей IT-отрасли», - сообщил Александр Сергеев.

Для развития в том числе этой тематики на уровне государства была разработана Федеральная научно-техническая программа «Мозг: здоровье, интеллект, инновации». Академик РАН Константин Анохин отметил, что, по подсчетам экспертов, вычислительные мощности, необходимые для решения передовых задач в области искусственного интеллекта, с 2012 до 2018 годы возросли в 300 тысяч раз. Через некоторое время они станут труднодоступными даже для передовых экономик мира, необходим поиск принципиально новых решений.

«Исходя из всех предпосылок, в проекте федеральной программы «Мозг, здоровье, интеллект и инновации» были выделены три направления, которые сквозным образом проходят через задачи разных национальных проектов: фундаментальные исследования мозга, биомедицинские исследования, нейротехнологическое направление. Программа рассчитана на 9 лет, будут разработаны модели и архитектуры когнитивных вычислительных систем, способных к самоорганизованному обучению, к адаптивному изменению собственной архитектуры на основе поставленной цели. Будут также предложены автономные обучающие системы для распознавания комплексных образов для формирования цели, ситуации, прогнозирования развития ситуации принятия решений», - рассказал Константин Анохин. Он также добавил, что президент Владимир Путин поставил задачу, чтобы Россия стала одной из ключевых площадок для решения сложнейших научных задач с участием ученых со всего мира. Для этого необходимо кратно увеличить финансирование исследований в этой области, привлечь частные инвестиции.

Иван Оселедец, профессор Института вычислительной математики им. Г.И. Морчука, назвал ряд фундаментальных проблем в развитии нейроморфного интеллекта: «Человеческий мозг умеет решать много разных задач одновременно, а в случае с искусственным интеллектом одна нейросеть – одна задача. Делаются попытки сделать искусственную нейросеть, решающую две задачи сразу (скажем, распознавание речи и изображения), но пока это направление зашло в некий тупик. Или - мы научились хорошо обучать модель решать задачу, но при этом с точки зрения энергоэффективности она серьезно проигрывает любой живой системе. Искусственные нейросети, которые мы сейчас используем, далеко не полностью описывают процессы, которые происходят в живом мозге, и здесь обширное поле деятельности для проверки гипотез», - сказал Иван Оселедец, отметив, что ориентиры для нейронных алгоритмов должны разрабатываться во взаимодействии с нейрофизиологами.

Денис Ларионов, начальник отдела искусственного интеллекта частного учреждения по цифровизации атомной отрасли «Цифрум», также считает, что исследователи в какой-то мере уперлись в потолок. «Ситуация связана со сложностью моделей и энергозатратами, чтобы обучить системы. Очень скоро, исходя из инженерных ограничений, мы не сможем их учить», - сказал Ларионов.

По мнению исследователя, существует несколько подходов к решению этой задачи. «Некоторые из них нацелены на фундаментальное решение проблемы – изменение как архитектуры фон Неймана, так и математического концепта, на основе которого мы строим нейронные сети», - пояснил Ларионов, добавив, что нейроны могут иметь аналоговую реализацию. «Если мы не пытаемся сделать из них универсальную машину Тьюринга, им абсолютно необязательно иметь цифровую реализацию. Такой подход позволит в десятки тысяч раз улучшить производительность таких систем. Более того, это более простая аппаратная реализация. Но на текущий момент времени существуют барьеры, в первую очередь, это размер нейронов, получающихся на такой системе, во вторую – проблема так называемой динамической топологии – нет понимания, как формировать новые связи», - отметил Денис Ларионов.

Михаил Киселев, руководитель лаборатории нейроморфных вычислений факультета прикладной математики, физики и информационных технологий Чувашского государственного университета, рассказал как построены нейрочипы, которые реализуют импульсные нейронные сети. «Это большая в совокупности решетка отдельных нейроядер. Каждое нейроядро отвечает за моделирование большого количества – сотен или тысяч - очень простых нейронов. Моделирование осуществляется своими силами, там нет универсального процессора, нет команд, в отличие от обычных компьютеров. Нейроны одного ядра обмениваются импульсами, это физически реализовано, обмен между разными ядрами идет при помощи информационных пакетов и диспетчеризации. Это не фон Неймановская архитектура, нет команд, нет общей шины. Это очень простые асинхронные агенты, обменивающиеся очень простыми информационными пакетами, которые обрабатываются локально и асинхронно без доступа к единой большой памяти», - пояснил Киселев.

По его словам, если говорить о применении искусственного интеллекта и возможных прорывов в этой области, то их условно можно разделить на две категории: это создание очень больших систем, приближающихся по возможностям к человеческому мозгу – так называемый «большой интеллект», и, напротив, создание очень мелких автономных обучающихся систем. Но они должны быть маленькими и выполнять специфические задачи. «Оба подхода имеют свои пределы, и эти проблемы можно разбить на три группы: первое – энергоэкономичность, второе – масштабируемость, третье – взаимодействие с асинхронной динамической средой», - сказал Киселев.

Андрей Лаврентьев из Лаборатории Касперского рассказал, что в своих изыскания специалисты отталкивались от практики. «Стоял вопрос защиты промышленных систем, мы поняли, что эта проблематика связана с машинным обучением, нейронными сетями, стали исследовать различные подходы и достаточно быстро поняли, в чем состоит ограничение каждого из них», - отметил Лаврентьев. Он выделил основной круг интересов по теме нейроморфного интеллекта: «В технологической системе искусственного интеллекта должна быть память – не просто длинная, но контекстная память, чтобы если что-то происходит в динамике, система могла извлекать созвучные с текущим моментом данные и понимать происходящее в контексте того, что она уже знает. Нам также нужна система, которая постоянно учится, сейчас во всех нейронных системах есть две фазы – обучение и функционирование, нам нужна система, которая не может не учиться, не улучшать свои знания. Восприятие среды, действия в среде – очень важно для системы, чтобы она не только постигала информацию, но и могла предпринимать какие-то ответные шаги, причем, самостоятельно, без команды», - сказал Лаврентьев.

В попытках найти решение Лаборатория Касперского с 2017 году сотрудничает с компанией «Мотив», а в 2019 году началось совместное производство процессора «Алтай».

Алексей Романов из «Мотива» рассказал, что разработкой нейроморфного процессора «Алтай» компания занимается с 2016 года. «Это вычислитель нового поколения для энергоэффективного исполнения нейронных сетей. Мы считаем, что это компонентная база - ближайшее будущее всех интеллектуальных устройств и систем. Энергопотребление нашего процессора на тестовых задачах на два порядка меньше, полватта при решении задачи, практически неограниченная масштабируемость, высокая производительность – на тестах мы достигли 2 тысячи кадров в секунду при обработке видеоизображения. Процессор компактный и недорогой. Мы продвинулись достаточно далеко – была изготовлена первая партия в кремнии, в настоящий момент идет их тестирование. Нами был разработан аппаратный и программный комплекс, позволяющий подключаться к обычному компьютеру и работать с импульсными сетями. Также разработан программный комплекс, которые трансформирует обычную сеть в спайковую и исполняет», - поделился достижениями Романов. По его мнению, перспективными сферами применения «Алтая» являются робототехника, обработка видео и аудио информации. «При объединении наших процессоров в большие кластеры разработка может применять в дата-центрах», - добавил Романов.

Директор по цифровизации Росатома Екатерина Солнцева выразила надежду, что развитие нейроморфного интеллекта – это дело не отдаленного будущего: «Сейчас разработки в области нейроморфного интеллекта находятся на ранней стадии, но уже сегодня мы хотели бы включиться в эту работу, чтобы сразу думать о применении технологий на реальном производстве. Небольшие энергоэффективные чипы, которые могут использоваться в носимых устройствах, обрабатывать видеопоток прямо на месте, решая производственные задачи без обращения к центральным вычислительным мощностям – это очень важно. Мы с удовольствием станем индустриальным партнером в программе исследования мозга в части применения нейроморфных систем для решения практических задач».

Свое экспертное заключение по итогам дискуссии дал Директор Института системного программирования РАН, академик РАН Арутюн Аветисян. Его насторожило отсутствие конкретики в целеполагании участников встречи. «В зависимости от постановки проблемы совершенно по-разному можно относиться к ее решению. Необходимо четко сформулировать задачу, иначе, с одной стороны, мы говорим о рынке и конкуренции, с другой – до момента, когда мы сможем вступить в конкурентную борьбу, пройдет не менее 50 лет», - сказал Арутюн Аветисян. Как представитель школы industrial research Аветисян особое внимание обратил на применение научных разработок. «Все, что мы делаем, должно найти применение. Знания – это передовая, так называемый state or fact. Некоторые докладчики ссылались на достижения IBM, Intel, но все их работы известны, минимум пять лет самым «свежим» из них. Но я не услышал ссылку на Стэнфорд, на многие другие разработки, ими не занимаются? Ведь сейчас революция в этой сфере происходит практически каждые полгода. Желательно видеть всю картину в ходе таких обсуждений», - подытожил Аветисян.

Участники встречи согласились, что необходимо переформатировать задачу, чтобы понятна была нацеленность, какими силами и что необходимо достичь, в том числе с точки зрения практического применения наработок.

«Мы должны констатировать по крайней мере два аналитических вывода состоявшегося совещания: во-первых, мы провели определенную инвентаризацию того, что у нас есть на площадке нейроморфных изысканий, так как диалог вели ведущие специалисты нашей страны, хотел бы выразить признательность за их выступления. С другой стороны – очевидно отсутствие продуктивного взаимодействия между нейрофизиологами и специалистами, которые занимаются нейроморфными вычислениями, разработчиками нейроморфных процессоров, Я думаю, чтобы развивать это направление, мы должны объединять усилия, у нас есть все основания организовать более сфокусированные встречи для того, чтобы решать все вышеуказанные проблемы», - отметил вице-президент РАН, академик РАН Владимир Чехонин.