Создан чип, который учится и не забывает

Предшественники такого устройства страдали «амнезией». Они учились за доли секунды, но почти сразу теряли всё, что усвоили. Новая конструкция удерживает данные почти двенадцать суток и выдерживает в двадцать раз больше циклов перезаписи. Если доработать технологию до коммерческого уровня, это приблизит появление процессоров, работающих не по правилам классической архитектуры, а по принципам живого мозга.

В обычной электронике есть резисторы — элементы с фиксированным сопротивлением. Мемристор же умеет его менять под действием электрического сигнала и запоминать новое значение. Свойство нехитрое, но именно оно делает мемристор кандидатом на роль искусственного синапса - связующего элемента между двумя возбудимыми клетками. В мозге сила связи между нейронами меняется в зависимости от того, как часто они общаются, и именно так происходит обучение. Мемристор ведёт себя похоже, он подал сигнал, изменил сопротивление, и связь стала сильнее или слабее.

Зачем это нужно в реальной жизни? Представьте камеру видеонаблюдения, которая распознаёт подозрительные движения, не отправляя данные в облако. Сегодня для этого нужен либо мощный сервер где-то в дата-центре, либо достаточно «умная» камера с процессором, который требует много электричества и греется. Нейроморфный чип на мемристорах может делать то же самое прямо на месте, потребляя в сотни раз меньше энергии. Для системы умного города с тысячами камер разница в счетах за электричество будет колоссальной. А ведь есть ещё автомобильные системы помощи водителю, где распознавать пешехода нужно за миллисекунды, и медицинская диагностика, где анализ снимка может помочь поставить диагноз раньше.

Голосовые помощники — второе перспективное направление. Сейчас, чтобы ответить на вопрос «Алиса, какая погода», телефон или колонка отправляет запрос в облако, ждёт ответ и озвучивает его. Нейроморфный чип мог бы распознавать речь локально, без интернета и почти без затрат энергии. Постоянно слушающий, но почти не разряжающий батарею ассистент — это не фантастика, а инженерная задача, которую мемристоры делают решаемой.

Робототехника — область, где преимущества нейроморфных вычислений будут особенно востребованы. Робот, который должен хватать предметы разной формы и твёрдости, должен мгновенно обрабатывать данные с датчиков и адаптироваться на лету. Обычный процессор справляется, но медленно и неэффективно по сравнению с тем, как это делает человек. Чип, где каждый элемент одновременно и вычисляет, и хранит промежуточный результат, точно лучше подойдет для таких задач. К примеру, уже сегодня на нейроморфных процессорах Intel Loihi роботизированные руки с искусственной кожей распознают форму и текстуру объектов в десять раз быстрее, чем позволяет человеческий глаз. Кроме того, на процессорах Intel Loihi 2 уже запускали большие языковые модели — задачу, которую до недавнего времени считали прерогативой мощнейших видеокарт.

Важно понимать, что разработка МФТИ — это лабораторный результат, а не готовый продукт. До коммерческих чипов нужно пройти ещё немало: масштабировать производство, проверить надёжность в реальных условиях, интегрировать с остальной электроникой. Но физика проблемы решена, и это главное, ведь потенциал у данного решения просто колоссальный.