Простыми словами: что такое нейроморфные чипы?

Почему обычные процессоры не похожи на мозг

В обычном компьютере процессор и память разделены. Данные постоянно передаются между ними: процессор запрашивает информацию, обрабатывает её и снова обращается к памяти за следующей порцией. На это уходит время и энергия. Грубо говоря, он будто каждый раз идёт в библиотеку за нужной книгой, вместо того чтобы держать всё под рукой. Это ограничение называют «бутылочным горлышком фон Неймана».

Мозг устроен иначе. В нём нет отдельного главного процессора и отдельного склада памяти. Нейроны одновременно участвуют и в обработке сигналов, и в хранении информации, а импульсы передаются напрямую от клетки к клетке. Нейроморфные чипы как раз и пытаются повторить этот принцип, только не в живой ткани, а в кремнии.

Как устроена нейроморфная архитектура

Основа нейроморфного чипа — искусственные нейроны и связи между ними, похожие на синапсы. Они работают не постоянно, а только тогда, когда входящий сигнал достигает нужного порога. Такой подход называют импульсной или событийной обработкой, а построенные на нём системы — спайковыми нейронными сетями, или SNN.

Главная идея в том, что чип не тратит энергию на бесконечные вычисления «на всякий случай». Он включается только в момент события, обрабатывает сигнал и снова переходит в ожидание. Поэтому энергии требуется заметно меньше. При этом такая сеть может подстраиваться по ходу работы: одни связи между элементами усиливаются, другие ослабевают. Примерно так в мозге меняются нейронные связи, когда мы учимся или что-то запоминаем.

Три ключевых отличия от классических процессоров

• Память и вычисления в одном месте. Данные не приходится постоянно передавать между отдельным процессором и отдельной памятью — нейроны хранят данные прямо в себе.
• Асинхронность. Нет общего тактового генератора, который заставляет все элементы действовать строго одновременно. Каждый элемент работает в своём ритме.
• Событийная обработка. Чип активируется только тогда, когда появляется сигнал. Нет события — нет лишних вычислений и лишнего расхода энергии.

Где это пригодится

Самое очевидное направление — всё, что связано с распознаванием и реакцией в реальном времени. Робот, который должен мгновенно увернуться от препятствия. Дрон, обрабатывающий картинку с камеры на лету. Слуховой аппарат, выделяющий голос собеседника в шуме кафе. Везде, где важна скорость реакции и при этом критичен заряд батареи, нейроморфная архитектура выглядит особенно уместно.

Конкретные применения, которые уже исследуются:

• Автономный транспорт — обработка данных с лидаров и камер с минимальной задержкой.
• Носимые устройства — фитнес-трекеры и медицинские датчики, которые могут анализировать сигналы прямо «на месте», не отправляя их в облако.
• Робототехника — управление движением, ориентация в пространстве и обработка тактильных сигналов.
• Космос и оборонка — обработка сигналов в условиях, где каждый ватт на счету.
• Edge AI — искусственный интеллект на устройстве, без облака.

Чем нейроморфные чипы отличаются от GPU

Современные GPU и специализированные ИИ-ускорители вроде TPU действительно хорошо справляются с нейросетями. Но по сути это всё ещё классические цифровые системы: они просто выполняют много вычислений параллельно и за счёт этого быстрее обрабатывают уже привычные алгоритмы.

Нейроморфный чип предлагает другой подход. Он не пытается просто быстрее считать то же самое, а меняет сам принцип обработки информации. Вместо постоянного потока вычислений такая система работает ближе к модели мозга: реагирует на события, передаёт импульсы между искусственными нейронами и расходует энергию только там, где действительно есть сигнал. Поэтому в отдельных ИИ-задачах выигрыш может быть очень заметным. Например, Intel заявляла, что её нейроморфная система Hala Point способна решать задачи ИИ до 50 раз быстрее традиционных CPU и GPU и при этом потреблять до 100 раз меньше энергии.

Кто разрабатывает нейроморфные чипы

Нейроморфные чипы уже давно перестали быть чисто лабораторной экзотикой. Этим направлением занимаются крупные технологические компании и университетские центры по всему миру.

• IBM — ещё в 2014 году представила чип TrueNorth с миллионом искусственных нейронов и энергопотреблением около 70 мВт. Позже в 2023 году компания показала его развитие — архитектуру NorthPole.
• Intel — развивает линейку Loihi. Первый чип вышел в 2017 году, затем появился Loihi 2 на техпроцессе Intel 4. В 2024 году компания представила Hala Point — систему на базе 1152 чипов Loihi 2 с общей мощностью 1,15 миллиарда нейронов.
• Манчестерский университет — создал SpiNNaker, массивную систему на ARM-ядрах, которая моделирует работу нейронных сетей в реальном времени.
• Гейдельбергский университет — развивает платформу BrainScaleS на аналоговой электронике. Она моделирует работу нейронов значительно быстрее, чем это происходит в биологическом мозге.
• Zhejiang University и Alibaba — в 2023 году представили китайский нейроморфный чип Darwin3, рассчитанный на задачи искусственного интеллекта и моделирование спайковых нейронных сетей.

Что ограничивает массовое внедрение

Несмотря на громкие демонстрации, нейроморфные чипы пока остаются скорее исследовательской технологией, чем массовым продуктом. Главная проблема не столько в железе, сколько в экосистеме вокруг него. Современные инструменты для ИИ, включая PyTorch и TensorFlow, в первую очередь рассчитаны на GPU и привычные нейросети, а спайковые сети требуют другого подхода к программированию и обучению.

Есть и другие ограничения: мало единых стандартов, не хватает удобных инструментов для разработчиков, а перенос существующих ИИ-моделей на нейроморфную архитектуру далеко не всегда даёт быстрый и очевидный выигрыш. Intel пытается закрыть часть этих проблем с помощью открытого фреймворка Lava, но до уровня зрелой индустриальной платформы этому направлению ещё нужно дорасти.