Комп’ютери Нейронні процесори Intel

Досягнення глобального домінування ґрунтується на двох основних стратегіях: інформаційна перевага та перевага технологічна. Щодо останнього, то перехід до нової суспільно-економічної формації постіндустріального суспільства висуває на перший план такі технології, як генетика та біоінженерія, нанотехнології та нейроінформатика.

Нейроінформатика, будучи заснованою на принципах та механізмах функціонування мозку, здатна забезпечити як технологічну, так і інформаційну перевагу. Невипадково сьогодні нейрокомп'ютери займають одне з найважливіших місць серед перспективних розробок озброєння та військової техніки.

Відомо кілька реалізацій у кристалах нейропроцесорів різних моделей нейронних мереж. Одні працюють краще, інші гірше, але всіх їх поєднує одне – прагнення проникнути у таємниці людського мозку.

У каталогах продукції фірми Intel особняком стоять дві розробки, виконані на замовлення DARPA (Defense Advanced Research Projects Agency): аналоговий нейропроцесор i80170NX та цифровий – i80160NC або Ni1000 [1].

Штучний нейрон Маккалока і Піттса у першому наближенні імітує властивості біологічного нейрона. На вхід такого штучного нейрона надходить безліч сигналів, кожен із яких є виходом іншого нейрона. Кожен вхідний сигнал множиться на деякий коефіцієнт, що відображаєвклад, що вноситься цим сигналом значення вихідного сигналу нейрона. Сигнали, що надійшли на нейрон і помножені на відповідні їм коефіцієнти, підсумовуються, і якщо сумарний сигнал більший за певний порог спрацьовування, нейрон активізується і видає на пов'язані з ним нейрони одиничний імпульс. Змінюючи відповідним чином значення вагових коефіцієнтів на входах нейронів можна отримати на виході мережі необхідне значення. Процес налаштування вагових коефіцієнтів називається навчанням нейронної мережі. За аналогією з навчанням людини навчання нейронної мережі може проходити з учителем або самостійно, шляхом самоорганізації.

Простота запропонованої моделі нейрона надихнула численних дослідників, які прагнули поринути у таємниці людського мозку.

Наприкінці 1950-х років, американець Ф. Розенблатт, намагаючись пояснити роботу біологічного нейрона, запропонував його модель – персептрон. На початку 60-х математик Р. Блок сформулював теорему розпізнавання, а радіоінженер Б. Уідроу розробив і втілив у життя першу штучну нейронну мережу, відому в літературі під назвою «Адалайн». Він створив і алгоритм, який навчає її розпізнавати образи.

Однак до середини 80-х нейромережі не отримували подальшого розвитку. Далося взнаки відставання практики від теорії та недосконалість технологій. Програмні моделі, що застосовувалися, не могли розкрити всіх переваг нейронних мереж, а створення їх апаратної реалізації вимагало колосальних витрат при тодішньому рівні технологій. Найбільш перспективними вважалися традиційні великі ЕОМ (мейнфрейми), але швидке зростання числа дуже складних завдань змусило знову звернутися до штучних нейронних мереж.

Компанія Intel однією з перших серед гігантів комп'ютерної індустрії серйознозацікавилася можливостями штучних нейронних мереж. Роботи з цієї теми було розпочато у 1988 році. Наступного року вже було представлено перший робочий зразок нейропроцесора i80170NX [2]. Роком пізніше Intel (разом з фірмою Nestor і за фінансової підтримки DARPA) розпочала розробку цифрового нейрочіпа Ni1000, який був анонсований у 1993 році, як i80160NC.

Нейросетьовий процесор i80170NX ETANN (Electrically Trainable Analog Neural Network) є унікальною у своєму роді мікросхемою, призначеною для вирішення завдань розпізнавання образів [2]. Процесор емулює роботу 64 біологічних нейронів [3]. Кожен нейрон процесора має 128 синапсів (входів). У свою чергу, кожен синапс з'єднаний з входом процесора за допомогою деякого пристрою, що дозволяє задати коефіцієнт, що характеризує силу цього зв'язку, що відповідає моделі, запропонованої ще У. Маккалоком і У. Піттсом. Дані на вході та виході процесора аналогові, але функції управління, установки та читання вагових коефіцієнтів – цифрові.

Нейрочип повністю сумісний за рівнями робочих сигналів із мікросхемами CMOS та ТТL. Вхідний сигнал на нейроні може змінюватися від 0 до 2,8 В. Вага синапсів також представлена напругою в діапазоні від -2,5 до 2,5 В. Виготовлено процесор за ліцензійною технологією Intel – CHMOS III EEPROM [3].

Високопаралельна архітектура, властива нейронним мережам, і ряд особливостей побудови процесора дозволили досягти швидкодії 2 млрд операцій в секунду! i80170NX є серцем нейронної плати-акселератора для ПЕОМ. Продуктивність такої плати із вісьмома процесорами становить 16 млрд. операцій за секунду! До останнього часу така продуктивність була властива тільки суперкомп'ютерам!

Короткі технічні дані процесора:

продуктивність 2 млрд. оп./с;

здатний розпізнавати 300 тисяч 128-розрядних образів на секунду;

моделює 64 нейрони;

підтримує моделі нейронних мереж Хопфілда, багатошарового персептрону та Madaline III.

Інша розробка Intel у галузі штучних нейронних мереж – процесор i80160NC. Його основна відмінність від i80170NX в тому, що він повністю цифровий.

Технічні дані i80160NC:

внутрішня пам'ять: 1 тисяча 256-розрядних образів;

тип пам'яті: Flash EPROM;

максимальна кількість класів: 64;

швидкість розпізнавання: 33 тисяч образів в секунду на частоті 33 МГц.

Як і i80170NX, процесор i80160NC поставляється на платі нейромережевого акселератора для ПЕОМ. Характеристики плати такі:

системна шина ISA;

робоча частота 33 МГЦ;

швидкість обміну по шині 2 Мбіт/с;

Підтримується таке програмне забезпечення:

MS Visual C ++, Borland C ++.

Разом із платою поставляються такі засоби розробки додатків:

Ni1000 Emulator Lib.;

Ni1000 HardWare Lib.

Програма Ni1000 Emulator дозволяє налагоджувати код програм без використання процесора, а по закінченні процесу налагодження відразу перейти до роботи на апаратурі.

Основні характеристики процесорів i80170NX та i80160NC наведені в табл. 1.