חוקרים בטכניון ובחברת טאואר ג'אז (Tower Jazz) פיתחו טכנולוגיה מהפכנית ההופכת את רכיבי זיכרון הפלאש המסחריים של טאואר ג'אז לממריסטורים - התקנים המכילים זיכרון וכוח חישוב. הטכנולוגיה, שפותחה בהשראת פעולת המוח האנושי, מאיצה באופן משמעותי את פעולתם של אלגוריתמים של בינה מלאכותית (AI).
את המחקר, שהתפרסם בכתב העת Nature Electronics, הובילו הדוקטורנט לואי דאניאל והפרופסור שחר קוטינסקי מהפקולטה להנדסת חשמל ע"ש ויטרבי בטכניון, תוך שיתוף פעולה עם פרופ' יעקב רויזין וד"ר יבגני פיחאי מחברת טאואר ג'אז ופרופ'-משנה ראמז דניאל מהפקולטה להנדסה ביו-רפואית בטכניון.
כבר מתחילת דרכם גברו המחשבים על האדם בפתרון בעיות חשבוניות, אולם בזיהוי תמונות, בסיווג מאפיינים בתוך התמונה ובקבלת החלטות פיגר המחשב אחר האדם במשך עשרות שנים. את הפער הזה מדביקה בשנים האחרונות הבינה המלאכותית, המצליחה לבצע פעולות מורכבות על סמך אימון המבוסס על דוגמאות. בעשורים האחרונים הוקדשו משאבים עצומים בפיתוחה של בינה מלאכותית ברמת התוכנה, השקעה שהובילה לקפיצת מדרגה באפקטיביות של הבינה המלאכותית בתחומים רבים ומגוונים ובהם רפואה, תחבורה חכמה, רובוטיקה וחקלאות.
הדלק המניע את עולם הבינה המלאכותית הוא נתונים, וליתר דיוק נתונים בכמות עצומה (big data). זו הסיבה שהפריצה הגדולה בבינה מלאכותית "המתינה" לשיפור הדרמטי בכוח המיחשוב. אולם ההתפתחות המהירה בביצועי התוכנה הותירה מאחור את החומרה, ופיתוחה של חומרה המתאימה לדרישות של תוכנות בינה מלאכותית התעכב במשך שנים רבות. חומרה כזו נדרשת לעבוד היטב במונחים של מהירות, הספק נמוך, דיוק, שטח ומחיר. כל אלה קשים מאוד להשגה במודל החומרה המסורתי - מודל של חישוב דיגיטלי (ספרתי).
בינה מלאכותית המודל הדיגיטלי מגביל את ביצועי החומרה בשני הקשרים עיקריים: 1. חומרות כאלה מתקשות לבצע פעולות רבות במקביל, שכן הן נועדו לבצע מספר קטן יחסית של פעולות; 2. הן יכולות להפגין דיוק רב רק בתמורה לצריכת משאבים גדולים מאוד במונחי אנרגיה וזמן. לכן, אומרים החוקרים, נדרשת חומרה חדשנית שתתאים לעידן הבינה המלאכותית.
"אחד האתגרים הגדולים שמציבה הבינה המלאכותית בפני מהנדסי חומרה", מסביר פרופ' קוטינסקי, "הוא המימוש של אלגוריתמים מורכבים הדורשים (א) אחסון של מידע רב בזיכרון המחשב; (ב) שליפה מהירה מהזיכרון; (ג) ביצוע חישובים רבים במקביל; ו(ד) דיוק גבוה. החומרה הדיגיטלית הסטנדרטית (מעבדים) לא מתאימה לכך מהסיבות שצוינו לעיל".
זה הרקע לטכנולוגיה החדשה המוצגת במאמר ב-Nature Electronics. לדברי פרופ' קוטינסקי, "הטכנולוגיה שלנו הופכת את החומרה, שהיא דיגיטלית במהותה, לתשתית נירומורפית - תשתית מעין-אנלוגית הדומה למוח. כפי שהמוח מבצע מיליוני פעולות במקביל, גם החומרה שלנו מבצעת פעולות רבות במקביל וכך מאיצה את כל הפעולות הקשורות בה".
"החישוב הנירומורפי", אומר הדוקטורנט לואי דאניאל, "מעניין אותי ברמה האישית הן כסטודנט להנדסת מחשבים והן כמי שאיבד את אביו כתוצאה ממחלה נירולוגית נדירה. המוח תמיד היווה מקור השראה למערכות מחשוב, והאתגר שלי הוא להבין את המנגנון החישובי של פעולת המוח על-ידי ארגז כלים הנדסי. במחקר הנוכחי הראינו שבב חשמלי המבוסס על טכנולוגיה סטנדרטית מסחרית ומפגין שתי יכולות קריטיות: זיכרון אסוציאטיבי, העובד בדומה למוח על סמך תכונות ולא לפי חיפוש באינדקס; ויכולת למידה".
תנאי אמת הזיכרון האסוציאטיבי, המוכר לנו מפעולת החשיבה האנושית, פירושו שכאשר אנחנו רואים עיניים, לדוגמה, איננו מחפשים התאמה של העין לסעיף כלשהו באינדקס של פריטים, אלא מזהים את העין באופן אסוציאטיבי. זהו מנגנון מהיר, אפקטיבי וחסכוני באנרגיה. וכמו במוח, יכולת הלמידה של המערכת משתפרת מתוך שינוי ועידכון של הקשרים בין הסינפסות ותאי העצב.
לדברי פרופ' רויזין מטאואר ג'אז, "הטכנולוגיה החדשה פשוטה להטמעה והופכת את הטרנזיסטור של טאואר ג'אז, שתוכנן במקור לאחסון מידע בלבד, לממריסטור - יחידה המכילה לא רק זיכרון אלא גם יכולת חישוב. מאחר שהממריסטור יושב על הטרנזיסטורים הקיימים של טאואר ג'אז, הוא מתממשק באופן מיידי עם כל ההתקנים שאיתם עובדים טרנזיסטורים אלה. הטכנולוגיה החדשה נבחנה בתנאי אמת והראתה כי אכן היא ניתנת להטמעה בבנייה של רשתות עצביות בחומרה ובכך משפרת משמעותית את ביצועיהן של מערכות בינה מלאכותית מסחריות. בדומה למוח, המערכת המשופרת מצטיינת בשמירת מידע לטווח ארוך ובצריכת אנרגיה נמוכה מאוד".
לדברי פרופ'-משנה ראמז דניאל, בעבר מהנדס חשמל בטאואר ג'אז וכיום חבר סגל בפקולטה להנדסת ביו-רפואית בטכניון, "כוח החישוב של ההתקן המשופר נובע מיכולתו לתפקד בתחום התת-הולכה, ובמילים פשוטות - באופן דומה למנגנונים ביולוגיים טבעיים. כתוצאה מכך אנחנו משיגים יעילות גבוהה בהספק נמוך, כמו המנגנונים שהתפתחו בטבע במשך מיליארדי שנות אבולוציה".
במחקר השתתפו חוקרי הטכניון אריק הרבלין, ניקולס וינשטיין, ואסו גופטה ונמרוד וולד מקבוצת המחקר של פרופ' קוטינסקי.
המחקר נערך בתמיכת ות"ת (הוועדה לתכנון ולתקצוב), מענק קמין מטעם משרד הכלכלה, מלגת אנדרו וארנה פינצ'י ויטרבי לתלמידי תארים מתקדמים ומענק ERC. לאחרונה הציג לואי דאניאל את המחקר שלעיל בכנס של Nature בסין ואף זכה בפרס המאמר הפוסטר המצטיין בכנס.