Al momento stai visualizzando Un nuovo supercomputer che mira a imitare il cervello umano

Un supercomputer che dovrebbe essere messo online nell’aprile 2024 rivaleggia con il tasso stimato di operazioni nel cervello umano, secondo dei ricercatori australiani. La macchina, chiamata DeepSouth, è in grado di eseguire 228 trilioni di operazioni al secondo.

È il primo supercomputer al mondo in grado di simulare reti di neuroni e sinapsi (strutture biologiche chiave che compongono il nostro sistema nervoso) su scala del cervello umano.

DeepSouth appartiene a un approccio noto come calcolo neuromorfico, che mira a imitare i processi biologici del cervello umano. Sarà gestito dal Centro internazionale per i sistemi neuromorfici della Western Sydney University.

Il nostro cervello è la macchina informatica più sorprendente che conosciamo. Distribuendo la sua capacità di calcolo di miliardi di piccole unità (neuroni) che interagiscono attraverso trilioni di connessioni (sinapsi), il cervello può rivaleggiare con i supercomputer più potenti del mondo, pur richiedendo solo la stessa energia utilizzata da una lampadina di un frigorifero.

I supercomputer, invece, generalmente occupano molto spazio e necessitano di grandi quantità di energia elettrica per funzionare. Il supercomputer più potente del mondo, Hewlett Packard Enterprise Frontier, può eseguire poco più di un quintilione di operazioni al secondo. Copre una superficie di 680 metri quadrati e richiede 22,7 megawatt (MW) per funzionare.

Il nostro cervello può eseguire lo stesso numero di operazioni al secondo con soli 20 watt di potenza, pesando solo 1,3-1,4 kg. Tra le altre cose, il calcolo neuromorfico mira a svelare i segreti di questa straordinaria efficienza.

Transistor ai limiti

Il 30 giugno 1945, il matematico e fisico John von Neumann descrisse il progetto di una nuova macchina, il Computer automatico elettronico a variabile discreta (Edvac). Ciò ha effettivamente definito il moderno computer elettronico come lo conosciamo.

Uno smartphone, un laptop e il supercomputer più potente del mondo condividono tutti la stessa struttura fondamentale introdotta da von Neumann quasi 80 anni fa. Tutti questi hanno unità di elaborazione e memoria distinte, dove i dati e le istruzioni vengono archiviati nella memoria e calcolati da un processore.

Per decenni, il numero di transistor su un microchip è raddoppiato circa ogni due anni, un’osservazione nota come Legge di Moore. Questo ci ha permesso di avere computer più piccoli ed economici.

Tuttavia, le dimensioni dei transistor si stanno avvicinando a quelle atomiche. A queste piccole dimensioni, la generazione eccessiva di calore è un problema, così come il fenomeno chiamato tunneling quantistico, che interferisce con il funzionamento dei transistor. Questo sta rallentando e alla fine fermerà la miniaturizzazione dei transistor.

Per superare questo problema, gli scienziati stanno esplorando nuovi approcci di informatica, a partire dal potente computer che tutti abbiamo nascosto nella nostra testa, il cervello umano. Il nostro cervello non funziona secondo il modello del computer di John von Neumann. Non ha aree di calcolo e di memoria separate.

Funziona invece collegando miliardi di cellule nervose che comunicano informazioni sotto forma di impulsi elettrici. Le informazioni possono essere trasmesse da un neurone al successivo attraverso una giunzione chiamata sinapsi. L’organizzazione dei neuroni e delle sinapsi nel cervello è flessibile, scalabile ed efficiente.

Quindi nel cervello – e a differenza di un computer – la memoria e il calcolo sono governati dagli stessi neuroni e sinapsi. Dalla fine degli anni ’80, gli scienziati hanno studiato questo modello con l’intenzione di importarlo nell’informatica.

Imitazione della vita

I computer neuromorfi si basano su reti complesse di processori semplici ed elementari (che agiscono come i neuroni e le sinapsi del cervello). Il vantaggio principale è che queste macchine sono intrinsecamente “parallele”.

Ciò significa che, come nel caso dei neuroni e delle sinapsi, praticamente tutti i processori di un computer possono potenzialmente funzionare simultaneamente, comunicando in tandem.

Inoltre, poiché i calcoli eseguiti dai singoli neuroni e dalle sinapsi sono molto semplici rispetto ai computer tradizionali, il consumo energetico è inferiore di ordini di grandezza. Sebbene i neuroni siano talvolta considerati unità di elaborazione e le sinapsi come unità di memoria, essi contribuiscono sia all’elaborazione che all’immagazzinamento. In altre parole, i dati si trovano già dove il calcolo lo richiede.

Ciò accelera l’elaborazione del cervello in generale perché non c’è separazione tra memoria e processore, cosa che nelle macchine classiche (von Neumann) provoca un rallentamento. Ma evita anche la necessità di svolgere un compito specifico di accesso ai dati da un componente della memoria principale, come accade nei sistemi informatici convenzionali e consuma una notevole quantità di energia.

I principi che abbiamo appena descritto sono l’ispirazione principale per DeepSouth. Questo non è l’unico sistema neuromorfico attualmente attivo. Vale la pena menzionare il Human Brain Project (HBP), finanziato nell’ambito di un’iniziativa dell’UE. L’HBP è stato operativo dal 2013 al 2023 e ha portato a BrainScaleS, una macchina situata a Heidelberg, in Germania, che emula il modo in cui funzionano i neuroni e le sinapsi.

BrainScaleS può simulare il modo in cui i neuroni “spingono”, il modo in cui un impulso elettrico viaggia lungo un neurone nel nostro cervello. Ciò renderebbe BrainScaleS un candidato ideale per studiare la meccanica dei processi cognitivi e, in futuro, i meccanismi alla base di gravi malattie neurologiche e neurodegenerative.

Poiché sono progettati per imitare il cervello reale, i computer neuromorfici potrebbero rappresentare l’inizio di una svolta. Offrendo una potenza di calcolo sostenibile e conveniente e consentendo ai ricercatori di valutare modelli di sistemi neurologici, rappresentano una piattaforma ideale per una vasta gamma di applicazioni. Hanno il potenziale sia per far avanzare la nostra comprensione del cervello sia per offrire nuovi approcci all’intelligenza artificiale.