「天機」が本日ネイチャー誌の表紙を飾る：清華大学のShi Luping氏のチームが世界初の異種融合脳型チップをリリース！

清華大学は、世界初の異種融合脳型コンピューティングチップ「天機チップ」を開発しました。このチップで駆動する「無人自転車」がネイチャー最新号の表紙を飾りました！

この研究は、清華大学精密機器学部に拠点を置く脳型コンピューティング研究センターの石魯平教授のチームによって実施された。この研究は、新しい人工知能チップを搭載した自律走行自転車の実証を行った。

この研究成果に基づく論文「ハイブリッド天津チップアーキテクチャによる人工汎用知能に向けて」は、ネイチャー誌8月1日号の表紙記事として掲載され、チップと人工知能という2大分野におけるネイチャー誌論文における中国初の躍進となった。

天地チップ 5x5 アレイ拡張ボード

現在、汎用人工知能を開発する方法は主に 2 つあります。1 つは神経科学に基づいて人間の脳をシミュレートする方法、もう 1 つはコンピューター サイエンスに基づいてコンピューターで機械学習アルゴリズムを実行できるようにする方法です。どちらにも長所と短所があり、現在では両者の統合が最善の解決策の 1 つとして認識されています。両者を統合するコンピューティングプラットフォームの開発が、統合を推進する鍵となるでしょう。新しいチップは2つの技術ルートを組み合わせたもので、この融合技術により、さまざまなシステムの機能が向上し、汎用人工知能の研究開発が促進されると期待されています。

「Tianjic」と名付けられたこのハイブリッド チップには、機械学習アルゴリズムと既存の脳のようなコンピューティング アルゴリズムを同時にサポートできる、高度に再構成可能な複数の機能コアが搭載されています。

研究者らは、自動運転自転車システムを使用してハイブリッドチップの処理能力を実証した。

これは異種かつスケーラブルな人工汎用知能開発デモンストレーションプラットフォームです。Tianjicチップを使用して、自転車の自動バランス調整、動的知覚、ターゲット検出、追跡、自動障害物回避、障害物横断、音声理解、自律意思決定機能をデモンストレーションします。

音声制御「左に曲がってください」

石魯平教授は、これはまだ非常に予備的な研究に過ぎないが、この研究は人工汎用知能コンピューティング・プラットフォームのさらなる発展を促進する可能性があると述べた。

次に、New Intelligence はこの画期的な研究の詳細な解釈と Shi Luping のチームへのインタビューをお届けします。

一般的に、汎用人工知能 (AGI) を実現するには、コンピューター サイエンス指向と神経科学指向の2 つの道があると考えられています。 2つの道は、アイデア、概念、実装ソリューションに根本的な違いがあり、異なる開発プラットフォームに依存しており、互いに互換性がないため、AGI技術の発展に大きな障害となっています。両方のアプローチをサポートする共通プラットフォームが緊急に必要です。

Shi Luping 氏のチームが開発した「Tianjic チップ」はこれを実現し、AGI 技術のハイブリッド共同開発プラットフォームを提供できます。

天吉チップとテストボード 

Tianjicチップは、マルチコアアーキテクチャ、再構成可能な機能コアモジュール、ハイブリッドコーディングスキームを備えた準データフロー制御モードを採用しており、コンピューターサイエンスに基づく機械学習アルゴリズムに適応できるだけでなく、脳の原理に触発されたニューラルコンピューティングモデルやさまざまなコーディングスキームを簡単に実装できます。

たった 1 つのチップで、無人自転車システム内で複数のアルゴリズムとモデルを同時に処理し、リアルタイムのターゲット検出、追跡、音声制御、障害物回避、バランス制御を実現できます。この研究により、より汎用性の高いハードウェア プラットフォームの開発への新たな道が開かれ、AGI 技術の開発が促進されることが期待されます。

機械学習と神経科学の現在の進歩を考慮すると、AGI システムには少なくとも次の特性が必要です。

• ニューラル ネットワークにおける豊富な空間的、時間的、時空間的関係の表現をサポートできます。

• 階層型、多粒度、マルチドメインのネットワーク トポロジ アーキテクチャをサポートし、特定のネットワーク構造に限定されません。

• さまざまなモデル、アルゴリズム、エンコード スキームをサポートします。

• 異なるタスクを並行して処理するように設計された複数の特殊なニューラル ネットワークのインターリーブをサポートします。

これらの機能は、ユニバーサル プラットフォームで効率的に実行する必要があります。つまり、統一されたフレームワークで、主流の人工ニューラル ネットワーク (ANN) だけでなく、神経科学に着想を得たモデルやアルゴリズムもサポートできる必要があります。

図1: AGI開発へのハイブリッドルート

これらの機能をサポートするために、チームは、コンピューター サイエンスと神経科学の両方のニューラル ネットワークに適応でき、さまざまなニューラル モデルやアルゴリズム、特に生物学に基づくもの (スパイキング ニューラル ネットワーク、SNN など) と互換性のあるクロスパラダイム コンピューティング プラットフォームを開発しました (図 1)。

一般的に、ANN と SNN は、情報表現、計算原理、メモリ構成の点でモデリングのアプローチが異なります (図 2a を参照)。両者の最大の違いは、ANN は情報を正確なマルチビット値として処理するのに対し、SNN はバイナリスパイク列を使用することです。 ANN ニューロンと SNN ニューロンの実装の比較を図 2b に示します。

一方、ANN ニューロンと SNN ニューロンにはいくつかの類似点があり、モデル間の融合の余地が残されています。 ANN と SNN のニューラル ネットワーク モデルを詳細に比較することで、計算モデルが解析され、関連するニューロン機能モジュール (軸索、シナプス、樹状突起、細胞体) にマッピングされ、パラダイム全体にわたる統一されたニューロン スキームが構築されます (図 2c を参照)。研究チームは、両方の仕組みに適応するシナプスと樹状突起を設計し、一方で軸索と細胞体は機能を変えるために独立して改造した。

図 2d は、軸索、シナプス、樹状突起、細胞体、ルーティング部分を含む完全な単一機能コア (FCore) の概略図です。ディープフュージョンを実現するために、FCore のほぼ全体を再構成して、さまざまなモードで高い使用率を実現できます。 FCore は、ほとんどの ANN および SNN で使用される線形積分および非線形変換操作をカバーできます。チップ上の FCore は、図 2e および 2f に示すように 2D グリッドに配置されています。

Tianjic チップとそのバックエンド レイアウトを図 3a に示します。このチップは 156 個の FCore で構成され、約 40,000 個のニューロンと 1,000 万個のシナプスが含まれています。 Tianjicチップは28ナノメートルの半導体プロセスを使用して製造され、面積は3.8×3.8平方ミリメートルです。軸索、電流、信号、ルーター、コントローラー、その他のチップ オーバーヘッドを含む各独立したモジュールが占めるチップ領域を図 3b に示します。リソースの再利用が可能なので、SNN モードと ANN モードに対応する領域は、全体の 3% 程度にとどまります。 FCore の電力消費の内訳を図 3c に示します。

図3. チップ評価とモデリングの概要の概略図

Tianjic は、神経科学ベースのネットワーク (SNN や生物学に着想を得たニューラル ネットワークなど) やコンピューター サイエンス ベースのネットワーク(MLP、CNN、RNN など) を含む、さまざまなニューラル ネットワーク モデルをサポートできます。 FIG3d は、Tianjic チップ上のさまざまなネットワーク モデルと一般的な処理ユニットのテスト結果を示しています。

図 3e に示すように、樹状リレーを備えたハイブリッド ニューラル ネットワークは、従来のニューロモルフィック チップのファンイン/ファンアウトの制限を打ち破り、SNN ネットワークの精度の低下を回避できます (+11.5%) 。 Tianjic は FCore で異種変換を自然に実装できるため、このハイブリッド モードを採用することによる追加のオーバーヘッドはごくわずかです。 Tianjic を使用すると、より生物学的に意味のある認知モデルを探索することもできます (図 3f を参照)。

脳のようなクロスパラダイムのインテリジェントシステムを構築する実現可能性を実証するために、チームは、無人自転車を使用して異種かつスケーラブルな人工汎用知能開発デモプラットフォームを開発し、Tianjicチップ上で複数の専用ネットワークを並行して展開および実行しました。

実験に使用した自転車には、リアルタイムの物体検出と追跡、音声コマンド認識、加速、減速、障害物回避、バランス制御、意思決定などのタスクを実行できるさまざまなアルゴリズムとモデルが搭載されています (図 4a)。

自動運転自転車デモプラットフォーム 

これらのタスクを達成するには、次の 3 つの主な課題を克服する必要があります。

まず、屋外の自然環境内で移動するターゲットを検出してスムーズに追跡し、スピードバンプを越え、必要に応じて障害物を自動的に回避します。

次に、自転車を正しい方向に動かし続けるために、リアルタイムのモーター制御信号を生成するために、制御、音声コマンド、視覚認識のバランスをとってリアルタイムで応答する必要があります。

3つ目は、複数の情報の統合処理と迅速な意思決定を実現することです。

図4：天吉チップマルチモデル統合プラットフォームに基づく無人自転車のテスト結果

これらのタスクを達成するために、チームは、画像処理と物体検出用の CNN、人間のターゲット追跡用の CANN、音声コマンド認識用の SNN、姿勢バランスと方向制御用の MLP、意思決定制御用のハイブリッド ネットワークなど、いくつかのニューラル ネットワークを開発しました。

チップの分散型アーキテクチャと任意のルーティングトポロジにより、Tianjic チッププラットフォームはすべてのニューラルネットワークモデルの並列操作を実現し、複数のモデル間のシームレスな通信を実現できるため、自転車はこれらのタスクをスムーズに完了できます。図4c は、さまざまな音声コマンドに応答した出力信号を示しています。

図 4d は、自転車が追跡し、障害物を回避し、「S 字型」カーブを走行するときの出力制御信号を示しています。図 4e は、物理的な測定に基づいて、さまざまな速度での車両の姿勢とステアリング制御を学習する様子を示しています。

Tianjic チップは、コンピューター サイエンスに基づく機械学習アルゴリズムと神経科学に基づく生物学的モデルの両方を同時にサポートでき、さまざまなニューラル ネットワークとハイブリッド コーディング スキームを自由に統合して、SNN や ANN を含む複数のネットワーク間のシームレスな通信を実現できます。

要約すると、この論文では、クロスパラダイムモデルとアルゴリズムを 1 つのプラットフォームに統合することで柔軟性とスケーラビリティを実現する、脳に着想を得たコンピューティングのための新しいチップアーキテクチャを紹介します。この研究成果により、AGIの開発が加速し、新たな実用化への展開が促進されることが期待されます。

この研究におけるいくつかの懸念事項に関して、清華大学精密機器学部のShi Luping教授、 同学部のPei Jing准研究員、カリフォルニア大学サンタバーバラ校のDeng Lei博士研究員が研究チームを代表してメディアのインタビューに応じた。

Q:研究で直面する最大の課題は何ですか?

Shi Luping:私たちは 2012 年にこの研究を開始し、多くの課題に直面しました。しかし、最大の課題は科学や技術からではなく、分野の分散がこのような問題の解決につながらないという事実から生じていると考えています。したがって、複数の分野を深く統合することがこの問題を解決する鍵であると考えています。そこで、本研究では学際的なチームを結成し、脳科学、コンピューター、マイクロエレクトロニクス、エレクトロニクス、精密機器、オートメーション、材料などをカバーする7つの部門で脳型コンピューティング研究センターを設立しました。ここで、このプロジェクトの成功の鍵となる学際的な構築に対する強力な支援をいただいた清華大学の指導者の方々に、特に感謝の意を表したいと思います。

Deng Lei:チップに関して言えば、私たちが直面している最大の課題は、いかにして深く効率的な統合を実現するかということです。私は2つの点を強調したいと思います。

まず、深さと効率です。現在、人気のあるニューラル ネットワーク モデルには、コンピューター サイエンス由来と脳科学由来の 2 種類があります。これら 2 つのモデルの言語は非常に異なります。コンピューティングの原理、信号エンコード方法、アプリケーション シナリオが異なるため、必要なコンピューティング アーキテクチャとストレージ アーキテクチャも大きく異なります。設計の最適化目標も大きく異なります。これは、現在目にする一部のディープラーニング アクセラレータやニューロモルフィック チップからわかります。基本的に、それらの設計システムは独立しています。したがって、ディープフュージョンは単純ではないことがわかります。ディープラーニングアクセラレーションモジュールを設計し、次にニューロモルフィックモジュールを設計し、それらを統合することを意味するものではありません。これは実現可能ではありません。実際のアプリケーションは複雑で変更可能であるため、各部分の割合を決定することは困難であり、効率的ではありません。

第二に、異種ハイブリッドモデルを構築する場合、2つのモジュール間に専用の信号変換ユニットが必要になる可能性があり、これには多額の追加コストがかかります。したがって、これら2種類のモデルと互換性があり、柔軟に構成でき、高いパフォーマンスを発揮するチップアーキテクチャをどのように設計するかも、チップ設計における課題です。

Q:なぜ自動運転自転車をエントリーポイントとして選んだのですか?

石 呂平：自転車が私たちにチップを届けてくれます。当時、私たちは新しい異種融合機能を紹介するためにどのようなアプリケーション プラットフォームを開発すべきかを決定するために、綿密な議論を繰り返しました。これは簡単な作業ではありませんでした。考慮すべき点は 4 つあります。

まず、これが、単一のアプリケーションしか持たない現在の AI アルゴリズムの一部ではなく、脳に似たマルチモーダル システムであることを期待しています。これが認識、意思決定、実行をカバーする完全なリンクとなり、単一モデルとは異なる複数のモデルの異種融合をサポートできるようになることを期待しています。

第二に、コンピューター室での実験やコンピューター上のシミュレーションだけではなく、実際の環境とも相互作用できるようになることを期待しています。実際の環境とのインタラクションを実現できることを願っています。

第三に、このシステムが当社の処理チップの電力消費とリアルタイム要件を満たし、専用チップの利点を反映することを期待しています。

4 番目に、繰り返しの実験を通じてこのシステムを制御可能かつ拡張可能なものにしたいと考えています。

上記の点を考慮した上で、音声認識やターゲット検出・追跡機能に加え、動作制御、障害物回避、自律的意思決定などを備えた無人自転車プラットフォームを最終的に選択しました。見た目は小さいですが、実際には必要な機能をすべて備えた小さな脳のようなコンピューティング プラットフォームです。

Q:脳のようなシステムは人間の脳を超えることができますか?

石呂平：脳のような技術が人間の脳を超えることができるかどうかは、誰もが非常に興味を持っています。実際、これは、コンピューターがどのようにして人間の脳を超えることができるのかと人々が常に尋ねるのと同じです。

コンピュータはとっくに人間の脳を超えていますが、それはどの側面においてかという問題です。素早く正確に記憶したり、素早く正確に計算したりといった、現在天才が備えていると考えられている驚くべき能力は、実は今日のコンピュータで簡単に実現できます。これらの側面は、コンピュータにとっては子供の遊びに等しいのです。

しかし、現時点では、知能の多くのレベル、特に不確実性の問題に関しては、学習や自律的な意思決定などの多くの領域において、コンピューターと人間の脳の間にはまだかなりのギャップが残っています。

コンピューターは徐々にその差を縮めていくでしょう。最終的にあらゆる面で人間の脳を超えることができるかどうかについては、技術的な観点からはますますそうなるだろうと個人的には思っています。なぜなら、コンピューターの発展の特徴の 1 つは、決して後退せず、常に前進することだからです。しかし、私たち人間は知性があり、研究分野に対する理解を徐々に深め、発展の過程でそのリスクをコントロールしていくと信じています。なぜなら、人々がこの問題を重要視する理由は、SF映画のように人類が滅亡してしまうのではないかと心配しているからだと信じているからです。

実際、私たちはすでに人類を滅ぼすことができるもの、つまり核兵器を生み出していますが、なぜそれが今人類を滅ぼしていないのでしょうか?なぜなら、私たちはそれを所有し、それを制御できるからです。脳のようなコンピューティング、強力な人工知能、人工汎用知能などについては、人類が知恵を駆使してその発展の道筋を調整し、人類に利益をもたらし、リスクを可能な限り回避できると信じています。

この記事の協力機関には、北京凌喜科技有限公司、北京師範大学、シンガポール工科デザイン大学、カリフォルニア大学サンタバーバラ校が含まれます。