Intel e Cornell University hanno pubblicato uno studio congiunto dimostrando alcune interessanti capacità di “Loih“, un chip neuromorfico in grado di apprendere e riconoscere diverse sostanze pericolose dall’odore, anche in presenza di “rilevante” rumore astratto di dati e occlusioni. I coautori dello studio riferiscono che il neuromorphic computing potrebbe essere sfruttato per rilevare odori precursori di esplosivi, individuare narcotici, riconoscere polimeri e altri ambiti ancora.
Nello studio, divulgato sulla pubblicazione scientifica Nature Machine Intelligence, Intel e ricercatori universitari della Cornell, descrivono la possibilità di “insegnare” a Loihi a riconoscere vari odori configurando lo schema circuitale olfattivo attingendo a un data set che permette di monitorare la risposta di 72 diversi sensori chimici a vari tipi di miasmi. I ricercatori spiegano ancora che la loro tecnica offre un livello di riconoscimento superiore rispetto a convenzionali metodi all’avanguardia, evidenziando – tra le altre cose – un meccanismo di apprendimento automatico che ha richiesto attività di training 3.000 volte maggiori per ottenere alti ivelli di accuratezza nella classificazione.
Il chip Loihi di intel è costruito con tecnologia a 14nm, integra un die di 60mm, oltre 2 miliardi di transistor, 130.000 neuroni artificiali, 130 milioni di sinapsi e tre core Lakemont per “l’orchestrazione”. Peculiarità di Loihi è il “motore” programmabile per l’addestramento on-chip di reti neurali spiking (SSN) usate peri mimare più realmente le reti neurali naturali.
Secondo Intel (qui altri dettagli), Loihi elabora le informazioni fino a 1000 volte più velocemente, 10.000 volte in modo più efficiente dei tradizionali processori, e può risolvere alcuni problemi di ottimizzazione con guadagni fino a tre ordini di grandezza in termini di velocità ed efficienza energetica.
Il crescente numero di dati prodotti impone la necessità di un’infrastruttura in grado di gestirli. La necessità di raccogliere e analizzare enormi quantità di dati e di prendere decisioni in tempo reale sta orientando varie aziende (incluse Google e IBM) verso lo sviluppo di nuove e innovative forme di computing più efficienti rispetto all’attuale architettura di CPU. Una di queste innovazioni è il computing neuromorfico, che prevede l’applicazione dei principi del cervello biologico alle architetture per computer per realizzare sistemi ad autoapprendimento.
La capacità di apprendimento consente ai chip neuromorfici di svolgere più attività di computing a una velocità molto maggiore di quanto possibile fare con chip attuali. Questi processori di prossima generazione saranno importanti per il futuro dell’intelligenza artificiale e potrebbero essere utilizzati per l’elaborazione dei dati negli ambienti in tempo reale in evoluzione. Sebbene il mercato del computing neuromorfico sia ancora in una fase iniziale, gli analisti prevedono che potrebbe passare da 69 milioni di dollari nel 2024 a 5 miliardi di dollari nel 2029, fino a raggiungere l’incredibile cifra di 21,3 miliardi di dollari entro il 2034.
Per tutti gli articoli di macitynet che parlano di Intelligenza Artificiale fate riferimento a questo indirizzo.
