Нейроморфные процессоры Intel оказались сообразительнее, чем обычные графические и центральные процессоры
Intel два года выстраивает сообщество Intel Neuromorphic Research Community (INRC), которое изучает сферу применения нейроморфных процессоров компании. Сегодня впервые за все время исследований компания с цифрами в руках доказывает превосходство нейроморфных процессоров в области машинного обучения над графическими и центральными процессорами. Системы на NPU Intel Loihi учатся быстрее и эффективнее, что открывает перед ними массу перспектив.
В настоящий момент не существует универсальных тестов, которые могли бы помочь объективно сравнить эффективность машинного обучения на классических вычислительных платформах и на нейроморфных платформах. Поэтому пока Intel и партнеры предлагают сравнивать эффективность систем исходя из скорости и эффективности в реальных сценариях обучения той или иной платформы.
Так, компания Accenture обнаружила, что при распознавании голосовых команд чип Intel Loihi делает это с такой же точностью, что и "стандартный GPU", но реагирует на речь на 200 мс быстрее и выполняет распознавание с 1000-кратно более высокой эффективностью. Похожая ситуация с распознаванием жестов. С помощью камеры Intel Loihi выучивает жесты всего за несколько демонстраций, что можно использовать для управления "умным" домом или терминалами в общественных местах.
Исследователи из розничной торговли оценили превосходство Loihi для поиска товаров на основе изображений. Они обнаружили, что нейроморфный процессор Loihi генерирует векторы признаков изображения с более чем трехкратной энергоэффективностью, чем традиционные центральные и графические процессоры. Ранее в этом году Intel уже показывала способность Loihi искать векторы признаков в базах данных с миллионами изображений в 24 раза быстрее и с 30 раз меньшим энергопотреблением, чем в случае x86-совместимых процессоров.
При решении задач оптимизации и поиска выяснилось, что NPU Loihi может решать задачи более чем в 1000 раз эффективнее и в 100 раз быстрее по сравнению с традиционными процессорами. Это особенно важно для наделения умениями периферийной автоматики. Например, давая возможность дронам принимать сложные навигационные решения в режиме реального времени. При реализации платформы Loihi в масштабах ЦОД эти умения можно применить для оптимизации логистики или, например, для управления движением поездов.
Специалист по робототехнике, компания Rutgers, определила, что ее решения на Loihi без потери производительности требуют в 75 раз меньшего энергопотребления, чем реализации на обычных мобильных GPU. В свою очередь, команда исследователей из ETH Zurich выяснила, что задачу слежения за горизонтом платформой дрона процессор Loihi выполняет в 1000 раз лучше с позиций комбинированных показателей эффективности и скорости, чем обычные вычислительные платформы.
Очевидно, это не первые и не последние рапорты о достижениях платформы Intel Loihi. Тем более что компания готовит следующее поколение нейроморфных процессоров уже с учетом полученного опыта. Нейроморфные процессоры обещают умнеть на глазах, а алгоритмы их работы будут все совершеннее и совершеннее.
