Люди сравнивали компьютерные процессоры с мозгом еще со времен зарождения компьютерных технологий. Проблема лишь в том, что центральный процессор, или CPU, совсем непохож на мозг — он слишком математический и логичный. А вот нейронные процессоры — совсем другой разговор. Портал livescience.com рассказал, как они появились и что их ждет в будущем.
Нейронные процессоры уходят корнями в первые дни современных компьютерных технологий. А точнее, в середину 1940-х, когда нейрофизиолог Уоррен Мак-Каллок и логик Уолтер Питтс создали первую «нейронную сеть». Правда, их исследования потеряли публичный интерес уже в 1950-1960 годах — вероятно, из-за отсутствия какого-либо прогресса по сравнению с эволюцией классических компьютеров.
Научная работа в этой сфере возобновилась лишь в 1980-х, а полноценно восстановила былую важность в начале 2000-х, благодаря расцвету приложений для распознавания речи. Правда, и даже тогда формулировки «нейронная сеть» старались избегать, т.к. он был непопулярным.
Термин «нейронный процессор» появился в конце 1990-х, но широкую популярность он набрал благодаря инвестициям Apple, IBM и Google, чьи деньги перенесли работу из университетских лабораторий в мейнстрим. Технологические компании вложили миллиарды долларов в разработку кремния, который кристаллизовал прошлые наработки в один крошечный продукт — процессор, вдохновленный человеческим мозгом.
В каком-то смысле, нынешние нейронные процессоры не слишком отличаются от того, что представили Мак-Каллок и Питтс — их структура подражает работе мозга человека с помощью параллельной архитектуре. Другими словами, вместо того, чтобы решать проблемы последовательно, нейронные процессоры одновременно проводят миллионы, иногда триллионы мини-расчетов. Отсюда и появился термин OPS — или «операции в секунду».
Но ест нюанс. Нейронные процессоры опираются на наборы инструкций глубинного обучения, которые и сами обучены на огромных объемах данных. Для примера можно взять распознавание кромок фотографий — обычно оно работает на базе конволюционных нейронных сетей (CNN). Они накладывают фильтр поверх каждой области изображения, а тот, в свою очередь, ищет паттерны, похожие на кромки. Каждая математическая операция, проводимая нейронным процессором, называется конволюцией, и постепенно из них складывается своего рода карта изображения.
Нейронные процессоры показывают превосходные результате при работе с конволюционными операциями: они выполняют их быстро, но при этом не потребляют много энергии, особенно на фоне центральных процессоров. А вот видеокарты, также использующие параллельную архитектуру, менее оптимизированы для таких задач, и потому менее эффективны.
При этом первые смартфоны, оборудованные нейронными процессорами, появились еще в 2017-м. Тогда Huawei выпустила Mate 10, а Apple представила чипсет А11 на iPhone X. Но ни тот, ни другой процессоры не были особенно мощными — они выдавали всего 1 ТОПС (тера-операций в секунду), тогда как современный чипсет Qualcomm Snapdragon X выдает 45.
Однако спустя всего восемь лет ИИ-приложения распространились повсюду. Если вы не так давно купили новенький смартфон, то, скорее всего, он умеет автоматически вырезать людей из фотографий — подобная функция почти гарантированно использует нейронный процессор. Точно так же работает умный поиск Google и некоторые формы дополненной реальности.
Нейронные процессоры также дошли и до ноутбуков. В прошлом году Microsoft анонсировала некую новую категорию компьютеров на Windows, предназначенную специально для работы с ИИ. Правда, для них требовался достаточно мощный процессор, который AMD и Intel не смогли предложить — они догнали системные требования лишь сравнительно недавно.
Некоторые эксперты предполагают, что в следующие годы нейронные процессоры столкнутся с той же проблемой, что и традиционные CPU — по закону Мура их развитие значительно замедлится. Но взамен процессоры получат гораздо большие возможности, вплоть до генерации реалистичных изображений на локальном компьютере, без использования облачных программ.
