Sandia تنشر نظام SpiNNaker2 للحوسبة العصبية في السنوات الأخيرة، أصبحت الحوسبة العصبية، وهي تقنية تحاكي بنية ووظائف الدماغ البشري، محور اهتمام شركات كبرى مثل إنتل، آي بي إم، وجوجل، بالإضافة إلى العديد من الشركات الناشئة الصغيرة. وقد اهتمت منصة "The Next Platform" كثيرًا بمتابعة تطور هذا المجال، بدءًا من أنظمة التشغيل المحتملة واهتمام القوات المسلحة، وحتى الحاجة إلى شركاء وبرامج لجعل الحوسبة العصبية أكثر فائدة في الواقع. مؤخرًا، بدأ التركيز يتحول من التكنولوجيا نفسها إلى ما يمكن أن يساعدها على الخروج من وضعها الحالي كتقنية متخصصة إلى مكانة عامة. تجرى الآن العديد من اختبارات جاهزية التطبيقات، وتتوسع الأنظمة. الهدف الآن هو العثور على التطبيق القاتل (Killer App) الذي سيساعد على دفع التكنولوجيا للأمام. SpiNNaker2: البنية الفعالة من حيث الطاقة شركة SpiNNcloud، التي تأسست في عام 2019 وانفصلت عن جامعة دريسدن للتكنولوجيا في عام 2021، تقود رسالة الكفاءة في استهلاك الطاقة والذكاء الاصطناعي. يتضمن موقع الشركة على الويب الدعاية لنظام SpiNNaker2 باعتباره "البنية التحتية الفائقة الكفاءة في استهلاك الطاقة للجيل الجديد من استدلال الذكاء الاصطناعي"، وهو أكثر كفاءة بـ18 مرة منGPUs المستخدمة حاليًا في العديد من أنظمة الذكاء الاصطناعي. كما يُتوقع أن يكون نظام SpiNNext القادم أكثر كفاءة بـ78 مرة. تجربة SpiNNaker2 في Sandia National Laboratories أعلنت SpiNNcloud هذا الأسبوع أن مختبرات Sandia الوطنية نشرت نظام SpiNNaker2، والذي يستخدم حوالي 175 مليون نورون ويعتبر من بين أكبر خمس منصات حوسبة تعتمد على بنية الدماغ البشري. قال هيكتور غونزاليس، المؤسس المشارك ورئيس مجلس الإدارة التنفيذي لشركة SpiNNcloud: "آخر مرة كان الإعلان عن بدء العمل مع Sandia. لقد تلقوا النظام، أي السوبر كمبيوتر، وسيعملون معه في بعض التطبيقات." بنية SpiNNaker2 يتكون النظام الذي نصبته Sandia من هندسة متوازية عالية مع 24 لوحه، كل لوحة تحتوي على 48 شريحة SpiNNaker2 متصلة في توپولوجيا طورية. يحتوي كل رقاقة على 152 وحدة معالجة منخفضة الطاقة تُعرف بأنها شبكة داخل الرقاقة (Network-on-Chip). "الرقاقات تتجميع في لوحات تحتوي على 48 رقاقة، ثم تتصل هذه اللوحات فيما بينها عبر روابط عالية السرعة تم تصميمها خصيصًا لتوسيع هرمات اللوحات"، قال غونزاليس. "نربط اللوحات بطريقة استراتيجية لبناء شبكات طورية مكبرة. نستخدم البرنامج لتحديد الاتصال الصحيح حتى يبدأ النظام بإرسال الحزم والرسائل. ثم نحدد النظام الأساسي لربط البنية التحتية. بمجرد الربط، نضعها في أنظمة راكية ثم نبني أنظمة كبيرة باستخدام هذه التكنولوجيا." مزايا SpiNNaker2 يتمتع SpiNNaker2 بعدة مزايا علىGPUs، منها الكفاءة في استهلاك الطاقة والتحكم الدقيق في جميع النوى البالغ عددها 175,000. يمكن التحكم الكامل في المسارات داخل المعالج، وهو ما يصعب تحقيقه فيGPUs بسبب تدفق العمليات المتعددة. بالإضافة إلى ذلك، يمكن لنظام SpiNNaker2 تنفيذ خصائص الحوسبة العصبية الحدثية حتى في مجال الشبكات العصبية العميقة التقليدية. كما أنه قابل للبرمجة تمامًا، مما يسمح بتوسيع النماذج الرمزية العصبية، مثل البرمجيات التي تجمع بين طبقات رمزية وعصبية. تطبيقات SpiNNaker2 أشار غونزاليس إلى عدة تطبيقات لنظام SpiNNaker2، بما في ذلك شبكات التعلم العصبية المتعددة الطبقات (MLPs) الصغيرة التي يتم نشرها على نطاق واسع في كل معالج. هذه الشبكات صغيرة جدًا، لكنها تستخدم بكثافة في اكتشاف الأدوية من خلال مطابقة الأنماط بين الجزيئات في قواعد بيانات المرضى. من التطبيقات الأخرى مشكلات التحسين القائم على QUBO والمشكلات اللوجستية التي تتطلب محاكاة رياضية معقدة واستخدام خوارزميات العمال العشوائيين. يمكن استخدام هذه الخوارزميات للبحث عن حلول مختلفة لمشاكل متعددة. "تقوم هذه الخوارزميات بمحاكاة العمال وتوزيعهم على نطاق واسع، مما يسمح بإجراء محاكاة رياضية معقدة بفضل خصائص النظام الكبيرة"، قال غونزاليس. الاستجابة للتناقص ستستمر SpiNNcloud في تطوير بنية تدعم خوارزميات الذكاء الاصطناعي المنتجة التي تعمل من خلال التناقص الديناميكي، وهو نهج جديد في مجال التعلم الآلي ينتقل من النماذج الكثيفة إلى التناقص الديناميكي المفرط، حيث يتم تنشيط مجموعة فرعية فقط من المسارات العصبية بناءً على الإدخال في النظام. تُعتبر هذه الطريقة فعالة في مواجهة تحديات الطاقة في الحوسبة الحالية للذكاء الاصطناعي. "هناك اتجاهات مثيرة حيث يمكنك تنفيذ أجزاء فقط من الشبكة لاسترجاع النواتج"، قال غونزاليس. "هذا ما يعرف اليوم بمزيج الخبراء. أظهر الناس في هذا المجال أنه كلما زاد عدد الخبراء، يمكنك تقليل العمل الحسابي. التناقص كبير للغاية، والقدم الحسابي صغير جدًا. يمكنك تقليل التكلفة الحسابية لهذه النماذج بشكل كبير. المشكلة هي أن الأجهزة التقليدية اليوم ليست مصممة لهذا العزل الدقيق للمسارات، وهذا هو ما يجعل هذا النوع من الأجهزة الهجينة ذو الخصائص العصبية له تأثير كبير في المجال الرئيسي للذكاء الاصطناعي." تقييم الحدث من قبل المختصين يرى المختصون في مجال الحوسبة العصبية أن نشر نظام SpiNNaker2 في Sandia National Laboratories يعد خطوة مهمة نحو تحقيق الكفاءة في استهلاك الطاقة وتحسين أداء التطبيقات المعقدة، مثل اكتشاف الأدوية والمحاكاة الرياضية. تعتبر هذه الخطوة جزءًا من مبادرة أوسع في Sandia لاستخدام أجهزة الحوسبة العصبية في تنفيذ تطبيقات ذكاء اصطناعي تستهلك طاقة أقل من الأنظمة التقليدية المستندة إلىGPUs. نبذة عن SpiNNcloud تأسست شركة SpiNNcloud في عام 2019 وتفرعت عنها جامعة دريسدن للتكنولوجيا في عام 2021. يقف وراء تصميم رقاقة SpiNNaker1 ستيف فوربر، أحد الرواد في إنشاء معالج Arm. تركز الشركة على تطوير الأجهزة ذات الكفاءة العالية في استهلاك الطاقة والمصممة خصيصًا للذكاء الاصطناعي، مع هدف تقديم حلول مبتكرة تساهم في تجاوز التحديات الحالية في هذا المجال.