https://www.facebook.com/DARPA?ref=stream14 августа 2013 г. DARPA на сайте госзакупок США объявило конкурс DARPA-SN-13-46 по теме «Запрос о предоставлении информации по научным исследованиям и технологиям создания кортикального процессора» («Request for Information (RFI) on Research and Development of a Cortical Processor»).
Целью конкурса является поиск идей и технологий, которые позволят построить работающую искусственную кору мозга.
Defense Advanced Research Projects Agency
Агентство передовых оборонных исследовательских проектов
Request for Information (RFI) on Research and Development
of a Cortical Processor
DARPA-SN-13-46
Запрос о предоставлении информации (RFI) по научным исследованиям и технологиям создания кортикального процессора
Контактное лицо: Daniel Hammerstrom, Program Manager, DARPA/MTO
Email: DARPA-SN-13-46@darpa.mil
ОПИСАНИЕ
Управление микросистемных технологий Агентства передовых оборонных исследовательских проектов (DARPA) ищет информацию о технологиях кортикальной обработки данных – кортикального процессинга и их прикладных реализациях, которые могут поддержать новые программы DARPA комплексной обработки сигналов и анализа данных. Хотя данный проект не является исключительно нейробиологическим, но предпочтения будут явно отдаваться различным нейронным моделям, получаемым на основе нейробиологических исследований неокортекса.
Выделение сигналов, имеющих сложную пространственную форму и временное распределение в больших потоках зашумленных и неоднозначных данных является серьезной проблемой даже для самых современных систем анализа сигналов и изображений. Существующие вычислительные подходы в подавляющем большинстве ресурсоемки и в состоянии извлечь лишь ограниченную часть полезной информации из небольших объемов данных. Современный машинный интеллект плохо распознает аномальные сигналы, требуя распознавания всех аспектов нормального сигнала для того, чтобы определить аномальные части. Поэтому должны быть разработаны новые подходы для решения этих задач, основанные на низком энергопотреблении.
Современные подходы к этим проблемам, в том числе существующие методы машинного обучения, методы байесовского и графического анализа структуры знаний обеспечивают частичное решение этой проблемы, но ограничены в своей способности эффективно анализировать масштабные по объему наборы сложных данных. Они также базируются на быстрых компьютерных вычислениях, обладают ограниченным параллелизмом, требуют высокой арифметической точности, и, в большинстве случаев, плохо подходят для анализа протяженных во времени данных. DARPA рассматривает новый подход, основанный на моделировании коры головного мозга млекопитающих, которая эффективно анализирует пространственно-временные структуры и постоянно решает чрезвычайно трудные задачи распознавания в реальном времени. Хотя полное понимание механизма работы человеческого кортекса на сегодняшний день лежит за пределами наших познаний, мы, тем не менее, имеем возможность идентифицировать и внедрить в машинное обучение и нейронные сети базовые алгоритмические принципы. Алгоритмы, вдохновлённые нейронными моделями, в частности, неокортексом, могут распознавать комплексные пространственные и временные паттерны и адаптироваться к изменяющимся условиям среды. Как следствие, эти алгоритмы представляют собой перспективный подход к фильтрации и обработке потоков данных и могут обеспечить новый уровень производительности в области проблем распознавания данных.
DARPA запрашивает информацию, которая обеспечивает новые концепции и технологии для разработки "Кортикального Процессора", основанного на иерархической темпоральной памяти. В этом запросе мы используем термин иерархическая темпоральная память (Hierarchical Temporal Memory - HTM), которая представляет собой семейство моделей корковой обработки данных, а не один какой то конкретный алгоритм.* Хотя такие алгоритмы имеют ряд важных характеристик, есть несколько ключевых особенностей HTM, которые будут необходимы для корковых процессора, включая временное и пространственное распознавание, оперирование с разреженными распределенных представлениями данных (sparse distributed representations - SDR) и модульной столбчатой структуры кортикальных колонок. Обработка данных должна происходить в кортико-подобной иерархической модели, которая использует пространственные и временные преобразования представления данных для формирования отношений. SDR в частности, является одним из ключевых компонентов HTM. В отличие от традиционного представления в памяти, SDR определяет значение каждой части данных и их особенностей через определение степени их сходства с помощью накладывающихся характеристик. Кортикальная модель вычислений должна быть устойчива к ошибкам, вызванным пробелами в имеющихся данных, быть параллельной, предельно энергоэффективной, и легко масштабируемой. Она также должна иметь минимальные требования к арифметической точности, и обеспечивать ультра-плотные низкоэнергетические варианты реализации.
*Hawkins, J. On Intelligence; with Blakeslee, S.; Times Books: New York, 2004.
ИНФОРМАЦИЯ
DARPA ждет отклика в одной или более чем в одной из ниженазванных четырех областей:
Разработчики алгоритмов: Работающие в режиме реального времени, интеллектуальные вычислительные алгоритмы, обеспечивающие вероятностные логические вычисления и использующие методы обучения, которые повышают возможности системы с течением времени. Их преимущество вытекает из подхода, обеспечивающего более точное распознавание образов и использование SDR для извлечения информации из потоков данных для решения проблем, которые слишком трудно решать оптимально или точно. Эти возможности будут иметь решающее значение для будущего успеха анализа потоковых данных для многих приложений, таких как обработка изображений на основе непроизвольного внимания или распознавание речи, в сложной среде военных действий.
• Каковы возможности и ограничения HTM-подобных алгоритмов для решения реальных крупномасштабных задач?
• Какой алгоритм или алгоритмы мог бы использовать кортикальный процессор?
Разработчики оборудования: Параллельные, адаптивные, вероятностные алгоритмы, построенные как модели коры мозга и которые можно эффективно использовать для построения небольших аппаратных систем с низким энергоресурсом. DARPA запрашивает концепцию организации оптимального взаимодействия каждого из модулей кортикального процессора с большим числом других узлов, используя технологию плотных соединений и сетевую оптимизацию на чипе для разрабатываемой архитектуры, чтобы достигнуть требуемой плотности соединения.
• Какие существуют возможности для значительного повышения энергетической эффективности и скорости вычислений, которые могут быть достигнуты за счет использования последних достижений в технологиях построения плотных структур памяти, таких как многоуровневые плавающие затворы, процессоры в памяти, или 3D-интеграция?
• Что является лучшим компромиссом между гибкостью (или конфигурируемостью) и производительностью?
• Можно ли создавать специализированные архитектуры, которые демонстрируют достаточные преимущества в производительности, цене и энергоэффективности над господствующей сегодня кремниевой технологией, чтобы оправдать свое проектирование и строительство?
Разработчики систем: Важный аспект любой программы создания кортикального процессора является создание завершенной системы, предназначенной для реализации сложных, критически важных прикладных задач. Следовательно, есть ряд вопросов системного уровня, которые необходимо решать.
• Каковы возможные системные показатели и ориентиры?
• Скорее всего, что любое приложение HTM все равно потребует использовать компоненты систем с использованием традиционных алгоритмов. Есть ли при этом опасность нарваться на ограничения в системе ускорения, согласно закону Амдала?
• Какие проблемы Вы видите в работе сложной системы, которая опирается на кортикальную обработку данных при вычислениях?
Разработчики приложений: искомая технология DARPA будет развиваться как достаточно универсальная, чтобы быть способной к применению для решения широкого круга задач от систем технического зрения и обработки изображений до объединения различных типов датчиков и управления роботами.
• Какие новые возможности можно включить в спецификацию кортикальных процессоров, чтобы придти к новому уровню производительности приложений?
• Какие совершенно новые приложения могут стать возможным, если кортикальные процессоры станут доступными для вас?
• Какой тип показателей может быть использован для измерения производительности и соответствовать задаче?
УЧАСТНИКАМ
При ответе на этот RFI, просьба привести примеры текущих и предыдущих работ. Экспериментальные демонстрации кортикальной обработки данных и подобные примеры представляют особый интерес.
DARPA понимает, что существуют многочисленные барьеры для предлагаемой технологии, такие как: описание и развитие HTM алгоритмов, требования к оборудованию, таких как обеспечение плотности межнейронных соединений или пропускной способности памяти, проблемы на уровне системной интеграции технологий, разработка специфических оборонных (DoD) приложений. Исследования должны решать эти и подобные проблемы, так как это необходимо для реализации стратегий снижения риска.
https://www.fbo.gov/index?s=opportun...=core&_cview=0