ニューロモルフィックチップ：AI性能の次なるフロンティア

AppleのTim Cook氏は、iPhone X発表時に「今後10年のテクノロジーの道筋を示す」と宣言。その統合ニューラルエンジン（初の商用顔認識ASIC）は、深層ニューラルネットワークの台頭を予感させました。今日、ニューロモルフィックプロセッサは、AIの加速する要求を持続可能にする唯一の実行可能な道として浮上しています。

なぜ今なのか？

データ帯域幅のボトルネックと増大し続ける計算ニーズに直面し、Yole Développement（フランス・リヨン）の最近のレポートは、センシングとコンピューティングが神経生物学的アーキテクチャを模倣しなければ前進できないと主張しています。

EE Times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がAIの現在の課題の大半を解決し、今後数十年で新たなアプリケーション地平を開くと指摘。「ニューロモルフィックエンジニアリングは生物模倣への次のステップであり、AI進化のエンジンです」と説明。

転換点

Alan Turingが「機械は考えられるか？」と問いてから70年、Carver Meadがニューロモルフィックエンジニアリングを導入してから30年、実用的な脳型マシンは elusive（捉えどころない）ままでした。転機はGeorgia Techの2006年フィールドプログラマブルニューラルアレイとMITの2011年適応ニューロン振る舞いエミュレートチップで訪れました。

真のブレークスルーは、トロント大学チームが「ImageNet Classification with Deep Convolutional Neural Networks」を発表した時。AlexNetアーキテクチャ（8層CNN）が120万枚の高解像度画像を1,000カテゴリ（猫、犬等）に分類する初の成功を収めました。「AlexNetはディープラーニングがより強力であることを証明し、AIの流星的上昇を引き起こしました」とCambou氏は述べます。

現在のディープラーニング実装の多くはムーアの法則に乗っており、「うまく機能してきた」。しかし分野が成長するにつれ、高性能・低消費電力チップへの需要は従来のスケーリングが提供できる範囲を超えます。Cambou氏は、ディープラーニングが「失敗する」と警告。今日のパラダイムに縛られたままでは。

氏は3つの主要障壁を挙げます。第一、ムーアの法則の経済性：7nm以降を継続できるのは一握りのプレイヤーのみで、独占リスクがイノベーションを窒息させる。第二、データ量がメモリ技術を上回り、ボトルネックを生む。第三、熱の壁：7nmチップはワット当たり約1テラフロップスだが、自律走行車には約1キロワット（=1000テラフロップス）が必要で、現行技術では不可能。ニューロモルフィックハードウェアは優れたエネルギー効率で前進の道を提供します。

Cambou氏は、新興メモリ技術を活用して帯域幅と電力効率を高める破壊的シフトを促す。これがニューロモルフィックコンピューティングの本質。「AIは進化し続け、次の飛躍はニューロモルフィックです」と述べます。

ニューロンとシナプス

センシング、コンピューティング、メモリ分野の協力により、ニューロモルフィックハードウェアはラボを離れつつあります。ジョイントベンチャー、戦略的提携、Human Brain Projectのような長期EUプロジェクトが進展を加速。

商用製品は2024年以前には unlikely（見込み薄）ですが、潜在規模は巨大。Intelの2017年Loihiチップ（13万ニューロン）と800万ニューロンPohoiki Beachシステム、IBM TrueNorth（100万ニューロン、2.56億シナプス）、Brainchip Akida（120万ニューロン、100億シナプス）が急速なペースを示します。

「シナプスの方がニューロンより重要です」とCambou氏。「次のステップは、現在の非同期Von Neumannハイブリッド上にアプリケーションを構築し、続いて数十億シナプスを追加するRRAMベースソリューションへ進むことです」。

Micron、Western Digital、SK Hynixなどメモリ大手がニューロモルフィック設計を追求しますが、真のブレークスルーはWeebit、Robosensing、Knowm、Memry、Symetrixなどの注力スタートアップから来る可能性。それらのメモリスタ/相変化メモリアプローチはシナプス可塑性をエミュレートすることを目指し、MRAMがニューロモルフィックスタックを補完する見込み。

ニューロモルフィックセンシングエコシステムも成熟しつつあり、Misha Mahowaldの1991年Silicon Neuronに根差します。今日、イベントベースカメラとセンサを提供する企業は10社未満（Prophesee、Samsung、Insightness、Inivation、Celepixel等）。フレームベース画像は人間の目のように動きを自然に捉えられません。イベントベースデバイスは動的シーンのリアルタイムパターン認識を提供します。

Cambou氏は「映画は脳を欺くが、コンピュータには同じ視覚情報ストリームが必要」と指摘。同じ原理が聴覚、イメージング、行動センサに適用され、汎用知能に不可欠です。

Yole予測：ニューロモルフィックセンシング収益は2024年4,300万ドルから2029年20億ドル、2034年47億ドルへ成長。

自動車だけでなく

自動車セクターが最も明確な初期採用者ですが、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まず産業とモバイルアプリケーション（ロボティクス、リアルタイム知覚、ロジスティクス）を強化します。「ディープラーニングは巨大データセットを要求しますが、ニューロモルフィックシステムは数枚の画像や単語から学習し、時間力学を捉えます」とCambou氏説明。

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大衆市場自律走行を解放し、コンピュータが非構造化環境を人間のような鋭さで解釈できるようになる可能性があります。