Искусственный интеллект стремительно становится частью повседневной жизни, однако за впечатляющими возможностями современных нейросетей скрывается серьезная проблема — их вычислительные мощности требуют огромного количества энергии.

Именно поэтому ученые по всему миру ищут способы сделать искусственный интеллект не только умнее, но и экономичнее, обращаясь за подсказкой к самой природе. Одним из таких решений стала разработка исследователей Санкт-Петербургского государственного электротехнического университета «ЛЭТИ», которым удалось создать модель энергоэффективного искусственного нейрона, работающего по принципам, напоминающим деятельность живых нервных клеток.

Чем сложнее становятся нейросети, тем больше данных приходится перемещать между вычислительными блоками и памятью, а вместе с этим растет и энергопотребление.

На этом фоне особенно интересным выглядит подход специалистов «ЛЭТИ», которые решили воспроизвести не внешний вид нейрона, а ключевые принципы его работы. Разработанная ими модель получила название TS-TD нейрон и способна накапливать поступающие сигналы, достигать определенного порога возбуждения, формировать импульс, а затем некоторое время находиться в состоянии восстановления. Таким образом, электронная схема повторяет сразу несколько характерных свойств биологической нервной клетки, превращая физические компоненты в своеобразный искусственный аналог нейрона.

При этом разработка не осталась исключительно теоретической. Исследователи создали работающий прототип на печатной плате и проверили его поведение на практике.

Основой искусственного нейрона стали всего три ключевых элемента, каждый из которых выполняет свою роль. Туннельный диод отвечает за формирование импульса при достижении необходимого уровня напряжения, пороговый селектор имитирует работу ионных каналов клеточной мембраны, а конденсатор выполняет функцию своеобразной электронной мембраны, накапливая поступающий заряд. Благодаря такому сочетанию относительно простых компонентов ученым удалось получить схему, поведение которой напоминает работу живой нервной клетки.

Однако настоящее значение разработки становится особенно заметным при переходе от отдельного нейрона к целой вычислительной системе. В ходе моделирования сеть, состоящая из 7 840 нейронов и примерно 351 тысячи синапсов, смогла распознавать рукописные цифры из набора MNIST с точностью 97,9 процента. При работе с более сложным набором изображений одежды Fashion-MNIST показатель составил 89,5 процента. Эти результаты показывают, что предложенная архитектура способна конкурировать с существующими решениями, несмотря на принципиально иной подход к организации вычислений.

Тем не менее главным преимуществом TS-TD нейрона становится не столько точность распознавания, сколько чрезвычайно низкое энергопотребление. Согласно расчетам исследователей, гипотетический чип на основе таких нейронов мог бы обрабатывать до 500 изображений размером 28 на 28 пикселей в секунду, расходуя всего около 0,012 Ватт. Для сравнения, сопоставимые по производительности одноплатные компьютеры требуют в сотни раз больше энергии, что особенно существенно для автономных устройств, работающих от аккумулятора или другого ограниченного источника питания.

Если обычный компьютер в значительной степени следует универсальной логике обработки данных, то нейроморфная система старается приблизиться к принципам работы мозга, где информация передается в виде событий и обрабатывается непосредственно в распределенной сети искусственных нейронов. Такой подход позволяет сократить лишние операции и, как следствие, уменьшить затраты энергии на обработку информации.

Сегодня специализированные нейроморфные чипы уже существуют и выпускаются серийно, однако большинство подобных решений построено на цифровой технологии. Разработка «ЛЭТИ» предлагает другой путь — создание аналогового нейроморфного чипа, в котором физические свойства электронных компонентов непосредственно используются для воспроизведения поведения нейрона. Более того, простота самой схемы потенциально способна сделать будущие устройства не только экономичнее, но и технологичнее с точки зрения их производства. В конечном счете разработка специалистов «ЛЭТИ» показывает, что будущее искусственного интеллекта может зависеть не только от увеличения количества вычислительных ресурсов, но и от поиска принципиально новых способов их использования. Чем ближе электронные системы будут подходить к логике работы биологического мозга, тем меньше энергии им может потребоваться для решения сложных задач.