AIコンピューティングのためのニューロモルフィックチップの主張

AppleのCEOであるTimCookがiPhoneXを発表したとき、彼はそれが「次の10年のテクノロジーへの道を開く」と主張しました。伝えるのは時期尚早ですが、顔認識に使用されるニューラルエンジンはその種の最初のものでした。今日、ディープニューラルネットワークは現実のものであり、ニューロモルフィックはAIで継続的な進歩を遂げるための唯一の実用的な道であるように思われます。

データ帯域幅の制約と増え続ける計算要件に直面して、センシングとコンピューティングは神経生物学的アーキテクチャを模倣することによって自らを改革しなければならない、とYoleDéveloppement（フランス、リヨン）が最近発表したレポートを主張しました。

EE Times とのインタビューで 、Yoleのイメージング担当プリンシパルアナリストであるPierre Cambou氏は、ニューロモルフィックセンシングとコンピューティングは、今後数十年で新しいアプリケーションの展望を開きながら、AIの現在の問題のほとんどを解決できると説明しました。 「ニューロモルフィックエンジニアリングは、生体模倣に向けた次のステップであり、AIに向けた進歩を推進します。」

なぜ今なのか

数学者のアランチューリングが「機械は考えることができるか」という質問をしてから70年が経過し、カリフォルニア工科大学の電気技師であるカーバーミードがニューロモルフィックエンジニアリングの概念を導入してから30年が経過しました。しかし、次の10年間で、研究者は、脳のような学習能力と適応能力を備えた機械の構築において、実際的な成功をほとんど経験しませんでした。ジョージア工科大学が2006年にフィールドプログラマブルニューラルアレイを発表し、MITの研究者が、2011年に新しい情報に応じて脳のニューロンがどのように適応するかを模倣したコンピューターチップを発表したとき、希望は復活しました。

ターニングポイントは、トロント大学の科学者グループによる論文「深層畳み込みニューラルネットワークを使用したImageNet分類」の公開でした。 8層の畳み込みニューラルネットワークで構成されるAlexNetアーキテクチャにより、ImageNetコンテストの120万枚の高解像度画像を1,000のカテゴリ（猫、犬など）の1つに分類することが可能になりました。 「ディープラーニングアプローチがより強力であることが証明され、AI空間で勢いを増し始めたのは、AlexNetの開発によってのみです。」

<図> <図>
Pierre Cambou

現在のディープラーニングの実装手法のほとんどは、ムーアの法則に依存しており、「正常に機能します」。しかし、ディープラーニングが進化するにつれて、高度な計算タスクを実行できるチップに対する需要がますます高まるでしょう。ムーアの法則は最近減速しており、YoleDéveloppementを含む業界の多くの人々が、ディープラーニングの進歩を維持できないと信じるようになっています。 Cambouは、ディープラーニングが現在のように実装され続けると「失敗する」と信じている人々の1人です。

彼の見解を説明するために、Cambouは3つの主要なハードルを引用しました。 1つ目は、ムーアの法則の経済学です。 「プレイできるプレーヤーはごくわずかであり、7nmを超えるファブは世界で1つか2つになります。 Googleだけが何かを実行できる場合、イノベーションに悪影響を与えると考えています。」

第2に、データの負荷はムーアの法則よりも速く増加しており、データのオーバーフローにより、現在のメモリテクノロジーが制限要因になっています。そして第3に、計算能力要件の指数関数的な増加により、アプリケーションごとにヒートウォールが作成されました。 「7nmチップを使用すると、ワットあたりおよそ1テラフロップスの効率が得られます。 Waymoに電力を供給するためには、おそらく1キロワットが必要です。つまり、1,000テラフロップスが必要です」とCambou氏は述べています。現在のテクノロジーパラダイムは期待に応えられず、解決策はニューロモルフィックハードウェアにディープラーニングを適用し、はるかに優れたエネルギー効率を利用することかもしれません。

現在の状況をより広く見て、Cambouは、新しいメモリテクノロジーから得られる利点を活用し、データ帯域幅と電力効率を改善する破壊的アプローチの時が来たと述べました。それがニューロモルフィックアプローチです。 「AIのストーリーは前進し続け、次のステップはニューロモルフィックな方向にあると信じています。」

近年、シリコンにニューロンを実装することで認知能力を伝達するニューロモルフィックハードウェアの構築に多くの努力が払われてきました。 Cambouの場合、これは「ニューロモルフィックアプローチがすべての適切なボックスをチェックしている」ための方法であり、はるかに高い効率を可能にします。 「ハードウェアはニューラルネットワークとディープラーニングを可能にしました。それがニューロモルフィックAIの次のステップを可能にするだろうと私たちは信じています。そうすれば、AIについて再び夢を見たり、AIベースのアプリケーションについて夢を見たりすることができます。」

クレジット：Yole

ニューロンとシナプス

ニューロモルフィックハードウェアは、センシング、コンピューティング、およびメモリの分野からの関心と目標の収束により、研究室から移動しています。合弁事業が形成され、戦略的提携が締結され、欧州連合のヒューマンブレインプロジェクトなどの10年にわたる研究イニシアチブが開始されています。

2024年までは重要なビジネスは期待されていませんが、その後の数十年間は機会の規模が重要になる可能性があります。 Yoleによると、今後数年間ですべての技術的な質問が解決されれば、ニューロモルフィックコンピューティング市場は2024年の6,900万ドルから、2029年には50億ドル、2034年には213億ドルに上昇する可能性があります。 Intel、SK Hynix、およびBrainchip、Nepes、Vicarious、GeneralVisionなどのスタートアップ。

ニューロモルフィックチップはもはや理論ではなく、事実です。 2017年、Intelは13万個のニューロンで構成される最初のニューロモルフィック研究チップであるLoihiを発表しました。 7月、サンタクララグループは、64個のロイヒ研究チップで構成されるコードネームPohoiki Beachという800万個のニューロンニューロモルフィックシステムで、新たなマイルストーンを打ち立てました。同様に、IBMのTrueNorth脳に触発されたコンピューターチップには100万個のニューロンと2億5600万個のシナプスがあり、BrainchipのAkidaニューロモルフィックシステムオンチップには120万個のニューロンと100億個のシナプスがあります。

「ニューロンとシナプスの水準を引き上げるハードウェアを提供するための競争があります。シナプスはおそらくニューロンよりも重要です」とCambou氏は述べています。 「Yoleでは、私たちの前に2つのステップがあります。まず、現在のアプローチに基づいて構築されるアプリケーションで、一部は非同期で、一部はフォンノイマンからのものです。」良い例は、BrainchipのAkidaとIntelのLoihiです。 「その後、おそらく今後10〜15年以内に、その上にRRAM [抵抗変化型メモリ]が搭載される予定です。これにより、より多くのシナプスを作成できるようになります。」

ニューロモルフィックコンピューティングの取り組みは、Micron、Western Digital、SK Hynixなどのメモリプレーヤーからもたらされていますが、多くはより短期的な収益を求めており、最終的にはニューロモルフィック研究の強力なプレーヤーにはならない可能性があります。 「コアテクノロジーとしてニューロモルフィックを選択した小規模なプレーヤーを検討する必要があります」とCambou氏は述べています。

Weebit、Robosensing、Knowm、Memry、Symetrixなどの破壊的メモリのスタートアップは、不揮発性メモリ技術とニューロモルフィックコンピューティングチップの設計を組み合わせています。それらは、CrossbarやAdestoなどの純粋なメモリスタートアップと並んで登場しましたが、それらのメモリスタ（メモリ抵抗）アプローチは、純粋なコンピューティング企業の取り組みよりも長期的なものとして認識されることがよくあります。 「多くのメモリプレーヤーは、シナプスを模倣するためにRRAMと相変化メモリに取り組んでいます」とCambou氏は述べています。また、「MRAM [磁気抵抗ランダムアクセスメモリ]は、ニューロモルフィックアプローチの成功を支援する新しいメモリの一部です。」

クレジット：Yole

コンピューティングに加えて、ニューロモルフィックセンシングエコシステムが出現しました。そのルーツは、1991年にニューロインフォマティクス研究所のMishaMahowaldとETHチューリッヒがシリコンニューロンを発明したことに由来しています。世界中で10人以上のプレイヤー。その中で、Prophesee、Samsung、Insightness、Inivation、Celepixelは、イベントベースのイメージセンサーやカメラなどのすぐに使用できる製品を提供しています。映画撮影で使用されるフレームベースのアプローチでは、動きをキャプチャできません。

「映画は私たちの脳をだましているが、コンピューターをだますことはできない」とカンボウは言った。 「それを行う唯一の正しい方法は、目が与えているのと同じ情報を与えることです。イベントベースのカメラは、あらゆる種類のモーションの理解とパターンのリアルタイムでの理解に非常に強力です。」より広義には、聴覚、イメージング、行動センサーは「私たちが一般的な知能と呼ぶもののあらゆるレベルで影響を及ぼします」。

パッケージ化された半導体レベルでは、ニューロモルフィックセンシングが2024年の4,300万ドルから、2029年には20億ドル、2034年には47億ドルに成長するとYoleは述べています。

自動車ですが、それだけではありません

自動車はおそらく最も明白な市場である、とCambouは言いました。ただし、初期の市場は、主にロボット工学とリアルタイムの知覚のために、産業用およびモバイル用です。

短期的には、ニューロモルフィックセンシングとコンピューティングは、産業機械の常時監視に使用されます。また、ロジスティクス、食品自動化、農業においても主要な役割を果たします。 「ディープラーニングには膨大なデータセットが必要ですが、ニューロモルフィックはほんの数枚の画像または数語から非常に迅速に学習し、時間を理解します」とCambou氏は述べています。

今後10年以内に、ハイブリッドインメモリコンピューティングチップが利用できるようになると、自動車市場のロックが解除され、マスマーケットの自動運転技術が必死に待ち望まれます。 「私たちは相互作用の世界に住んでおり、ニューロモルフィックはコンピューターに非構造化環境の理解を与えるのに非常に強力です。」