פותחה בטכניון פלטפורמה המאיצה פי 1,000 את תהליך למידת מערכות בינה מלאכותית
מאת: מערכת Telecom News, 11.2.19, 15:40
 
פותחו מערכות חומרה המותאמות במיוחד לעבודה עם רשתות נוירונים ומאפשרות לרשתות הנוירונים לבצע את שלב הלמידה במהירות גבוהה ובאנרגיה מופחתת. פריצת דרך ושינוי תפישתי.
 
חוקרים בפקולטה להנדסת חשמל ע"ש ויטרבי בטכניון פיתחו חומרה חדשנית המאיצה את תהליך הלמידה של מערכות בינה מלאכותית. את המחקר הובילו ד"ר שחר קוטינסקי והדוקטורנטית צפנת גרינברג-טולדו, (בתמונה למעלה), והשתתפו בו הסטודנטים רועי מזור ואמיר חג' עלי.

בשנים האחרונות חלה התקדמות משמעותית בעולם הבינה המלאכותית, בעיקר הודות למודלים של רשתות נוירונים עמוקות (DNNs). רשתות אלו, שתוכננו בהשראת המוח האנושי ודרכי הלמידה של האדם, מבצעות בהצלחה חסרת תקדים משימות מורכבות כגון נהיגה אוטונומית, עיבוד שפה טבעית, זיהוי רגשות בטקסט, תרגום, זיהוי תמונה ופיתוח טיפולים רפואיים חדשניים.
 
זאת, באמצעות למידה עצמית מתוך מאגר עצום של דוגמאות - תמונות, למשל. טכנולוגיה זו מתפתחת במהירות בקבוצות מחקר אקדמיות כמו גם בחברות ענק כגון פייסבוק וגוגל, שרותמות אותה לצורכיהן.

מכיוון שהלמידה מתוך דוגמאות דורשת כוח מחשוב רב היא מבוצעת לרוב במחשבים המכילים מעבדים גרפיים (GPU) המצטיינים בכך. עם זאת, מהירותם של מעבדים אלה עדיין נמוכה יחסית לקצב הלימוד הרצוי של רשתות הנוירונים ולכן המעבד עדיין מהווה צוואר בקבוק בתהליך זה. יתר על כן, השימוש במעבדים צורך אנרגיה רבה.
 
ד"ר קוטינסקי: "למעשה, יש לנו כאן חומרה, שנועדה במקור לשימושים אחרים - גרפיקה, בעיקר - והיא אינה עומדת בקצב המהיר של הפעילות המתרחשת ברשתות הנוירונים. כדי לפתור את הבעיה הזאת אנו חייבים חומרה ייעודית, שמותאמת לעבודה עם רשתות נוירונים עמוקות".

ואכן, קבוצת המחקר של ד"ר קוטינסקי פיתחה, ברמה התאורטית, מערכות חומרה המותאמות במיוחד לעבודה עם רשתות אלו ומאפשרות לרשת הנוירונים לבצע את שלב הלמידה במהירות גבוהה ובאנרגיה מופחתת.
 
ד"ר קוטינסקי: "בהשוואה לעבודה עם מעבדים גרפיים, החומרה שלנו משפרת את מהירות החישוב פי 1,000 ומצמצמת את הצריכה האנרגטית ב-80%".

החומרה, שפיתחה הקבוצה, מהווה פריצת דרך ושינוי תפישתי של ממש: במקום שיפור של מעבדים קיימים פיתחו חוקרי הטכניון מבנה של מכונת חישוב תלת-ממדית המשלבת בתוכה את הזיכרון.
 
ד"ר קוטינסקי: "במקום פיצול בין היחידות, שמבצעות את החישובים לזיכרון האחראי לשמירת המידע, אנו עושים הכל בתוך הממריסטור - רכיב זיכרון בעל כוח חישובי המשמש במקרה זה באופן ייעודי לעבודה עם רשתות נוירונים עמוקות".

אף שמדובר בעבודה תאורטית, הקבוצה כבר הדגימה את יישומו של הפיתוח ברמת הסימולציה.
 
ד"ר קוטינסקי: "הפיתוח שלנו נועד לעבודה עם אלגוריתם הלמידה 'מומנטום', אבל הכוונה היא להמשיך בפיתוח החומרה כך, שתתאים גם לאלגוריתמים נוספים. יתכן שבמקום כמה רכיבי חומרה שונים נפתח חומרה דינמית, רב תכליתית, שתוכל להתאים את עצמה לאלגוריתמים שונים".

המאמר - כאן.
 
סרטון המדגים את המחקר - כאן.
 
קרדיט צילום תמונה עליונה: ניצן זוהר, דוברות הטכניון