Mer hjärnlik AI ska spara energi

En av AI:s största triumfer på senare år var när Googles dator Alpha Go slog världsmästaren i ett av världens mest komplexa spel, det urgamla brädspelet go. Men om de båda motståndarna fått använda lika mycket energi hade datorn inte haft en chans. Medan go-mästarens hjärna använde cirka 20 watt behövde Alpha go uppskattningsvis 5 000 watt.

Ju komplexare uppgifter, desto mer energi krävs för att träna upp de allt mer avancerade AI-systemen. Forskare vid amerikanska University of Massachusetts har till exempel nyligen räknat ut klimateffekten av olika AI-system som används för att få datorer att förstå mänskligt språk. Resultatet visar att det går åt motsvarande 280 ton koldioxid för att träna det mest avancerade systemet.

I en annan studie, som publicerades förra året, visade forskare vid University of Michigan att datorerna och elektroniken som krävs för självkörande bilar samtidigt ökar bilens energibehov med upp till 20 procent.

– Det är en väldigt beräkningskrävande och energislukande teknik. Modellerna behöver tränas under lång tid. Det kan röra sig om flera veckor, säger Anders Lansner, professor emeritus i datateknik vid Stockholms universitet och Kungliga tekniska högskolan.

I mer än 30 år har han forskat i skärningspunkten mellan hjärnforskning och it. I datorn bygger han och hans kollegor modeller som simulerar hjärnans funktion. Det har bland annat resulterat i en ny förståelse för arbetsminnet i hjärnan, som är en central del av mänsklig intelligens, men också i nya beräkningsmetoder, som är inspirerade av hur hjärnan fungerar och som kan minska energiförbrukningen.

Han säger att ökad kunskap om hjärnan kan vara nyckeln till nya typer av datorer, som är både snabbare och mer strömsnåla än dagens.

– Det är svårt att säga hur lång tid det kommer att ta, men pusselbitarna börjar falla på plats.

Även om it-företagen gärna marknadsför sig med bilder av hjärnor så är elektroniken i dagens datorer långt ifrån hjärnlik. De senaste årens stora genombrott inom AI har skett tack vare en teknik som kallas djupa neuronnät (deep neural networks). Idéerna utvecklades redan under 1950-talet med hjärnans nätverk av nervceller och synapser som förebild. Datormodellen består av konstgjorda nervceller som kopplas ihop via noder i ett stort antal lager. När modellen tränas, för att till exempel känna igen olika föremål, sker det genom att vissa av kopplingarna mellan de olika noderna förstärks.

– Det är en väldigt förenklad modell som kanske fångar 10 procent av hjärnans funktionella arkitektur. Hjärnan innehåller ju till exempel dessutom väldigt många korskopplingar mellan olika nivåer, säger Anders Lansner.

Hjärnan har också en enastående förmåga att tolka omgivningen, även med förhållandevis lite information. För en människa räcker det med en otydlig bild för att vi ska kunna identifiera ett föremål eller en person. Vi har också lätt för att lära oss att känna igen nya saker utifrån bara några få exempel.

AI-modellerna använder däremot beräkningstunga statistiska och matematiska metoder för att känna igen föremål, och måste först tränas upp med hjälp av miljontals kända exempel. De kan inte heller automatiskt dra egna slutsatser när de ställs inför nya objekt. En självkörande bil som lärt sig skilja en fotgängare från en cyklist kommer inte automatiskt att förstå vad den ser när det kommer en enhjuling.

I takt med att AI smyger sig in i alla möjliga sammanhang och i stort sett alla apparater, letar datorindustrin både nya algoritmer och nya typer av hårdvara, som är snabbare, smartare och mer energisnåla. Bakom målet att få ner energiförbrukningen ligger både miljöskäl och att elektroniken riskerar att överhettas.

I denna jakt har intresset för hjärnan ökat markant bland it-jättarna, som numera även har hjärnforskare bland sina anställda. På senare år har de lanserat nya typer av processorer som är specialanpassade för AI och som påstås härma hjärnans sätt att arbeta, till exempel genom att tillåta mer ”brus” i beräkningarna. De bygger dock på det traditionella sättet att tillverka datorchip.

Men det finns flera företag som vill gå ett steg vidare. På it-företaget IBM:s forskningslabb i schweiziska Zürich finns till exempel en av de ledande grupperna i världen som arbetar med att utveckla en helt ny typ av hjärnlika datorer.

– Det finns ju bevisligen något som är både intelligent och som konsumerar väldigt lite energi. Vi letar efter en datorarkitektur med samma egenskaper, säger Abu Sebastian, en av forskarna som leder arbetet med att utveckla en ny typ av datorminne inspirerat av hjärnan.

En stor energitjuv i dagens datorer är att beräkningarna sker på ett ställe och minnet finns på ett annat. Det innebär att data hela tiden måste hämtas och lämnas i minnet inför varje operation.

– Det är mycket kostsamt så vi försöker ta bort behovet av att flytta data, förklarar han.

Tricket är att utföra beräkningarna i själva minnet. Det är möjligt med hjälp av en ny typ av datorkomponent, som kallas memristor och som såg dagens ljus för drygt tio år sedan. Enkelt förklarat är det ett elektroniskt motstånd med inbyggt minne. Motståndet i materialet kan förändras med hjälp av en strömpuls. Med hjälp av upprepade strömpulser går det att utföra beräkningar som lagras i det inbyggda minnet och som sedan kan läsas av.

Konceptet kallas för ”in-memory-computing” och är ett första steg för att närma sig hur hjärnan bearbetar och minns information.

– Hjärnan har ju inte olika avdelningar för att lagra respektive processa information och det försöker vi kopiera. Och det ger oss en högre energieffektivitet, vilket är det primära målet, säger Abu Sebastian.

Nästa steg är att föra samman miljontals av dessa minnesenheter på ett chip och använda dem för djupinlärning. IBM har utvecklat en prototyp med 3 miljoner minnesenheter på ett och samma chip, som kan användas för att utföra beräkningar och att till exempel lära sig känna igen mönster.

– Men det är en lång väg att gå för att nå ett chip som är lika energieffektivt som den mänskliga hjärnan. Vårt chip kräver visserligen bara ungefär 1 watt, men det har långt ifrån hjärnans kapacitet, säger Abu Sebastian.

Forskarna försöker även att efterlikna hjärnans sätt att processa information som kommer i form av nervimpulser från receptorerna i våra sinnen. Tekniken kallas ”spiking neural networks” och innebär ett nytt sätt att koda information. Precis som i hjärncellernas synapser sker kommunikationen mellan de olika noderna i AI-nätverket med hjälp av elektriska pulser. Bara när tillräckligt många pulser kommer tillräckligt nära varandra i tiden triggas noden och skickar i sin tur en strömpuls till nästa lager i nätverket.

Det innebär stora besparingar i mängden data som måste skickas. Vinsten blir att AI-systemet blir både snabbare och energisnålare.

– Det blir också svårare att lura och kan lära sig nya saker mycket mer effektivt, säger Abu Sebastian.

Han tror dock att vi aldrig kommer att kunna bygga en kopia av hjärnan. Vi vet helt enkelt alldeles för lite om hur hjärnan fungerar. Hur fantasi, intuition och medvetande får plats i en klump på cirka 1,5 kilo är fortfarande ett stort mysterium.

Det pågår flera stora satsningar för att kartlägga hjärnan och simulera hjärnans funktioner, till exempel inom det europeiska forskningsprogrammet ”Human Brain Project”. Men att förstå hjärnan och att bygga effektiva datorsystem är två olika saker, betonar Abu Sebasian.

– Det är som att titta på fåglarna för att lära sig att flyga, men våra flygplan har inte flaxande vingar.

Han tror att de första datorerna med IBM:s teknik ska finnas på marknaden om cirka fem år. Samtidigt väntar andra mer fundamentalt annorlunda beräkningsmaskiner runt hörnet.

Tidigare i år presenterade ett tysk-brittiskt forskarlag i tidskriften Nature en optisk variant av samma typ av datorchip som det som IBM utvecklar. I stället för med elektricitet skickas informationen då med hjälp av ljus. En annan ny typ av dator är kvantdatorn, som bygger på helt andra principer än dagens datorer (F&F 6/2019) och kan lösa uppgifter som de inte klarar av. Och det finns även forskning som går ut på att utveckla kemiska datorer där beräkningarna sker med hjälp av molekyler.