Nederlandse doorbraak in energiezuinige AI

De doorbraak komt van een samenwerking tussen onderzoekers van de IMEC/Holst Centre in Eindhoven en het Centrum Wiskunde & Informatica (CWI). Zij ontwikkelden onder leiding van CWI-onderzoeker en UvA-hoogleraar cognitieve neurobiologie Sander Bohté een nieuw algoritme voor een zogeheten 'spiking neural network' ofwel een gepulst neuraal netwerk. Daarin zitten twee verbeteringen, waardoor de neuronen in het netwerk minder met elkaar hoeven te communiceren. Bovendien hoeft elk afzonderlijk neuron minder te rekenen.

“In combinatie zorgen deze doorbraken ervoor dat kunstmatige intelligentie meer dan duizend keer energiezuiniger wordt, vergeleken met ouderwetse neurale netwerken en een factor honderd energiezuiniger dan de beste hedendaagse neurale netwerken”, zegt onderzoeksleider Sander Bohté. De onderzoekers presenteerden hun bevindingen in een bijdrage aan de International Conference on Neuromorphic Systems. De wiskunde achter de ontdekking is beschikbaar gesteld in het opensourcedomein.

Menselijk brein is zuinig

De aanleiding voor het onderzoek ligt in de constatering dat het menselijk brein ongelofelijk energiezuinig is ten opzichte van de neurale netwerken die nu vaak in de cloud worden getraind. Een van de verschillen tussen de twee is dat kunstmatige neurale netwerken werken met continue signalen terwijl het menselijk brein werkt met korte pulsjes (spikes). Met spiking neural networks benader je die situatie beter. Deze spiking neural netwerken bestaan al enige tijd maar het probleem was lange tijd dat een dergelijke aanpak moeilijk wiskundig hanteerbaar was. Het gevolg was dat ze in de praktijk niet konden worden toegepast. Maar dat probleem kan met deze twee oplossingen van de groep van Bothé zijn opgelost.

Om de nieuwe aanpak in de praktijk toe te passen, zijn echter wel gespecialiseerde computerchips nodig. IMEC/Holst Centre ontwikkelt die nu verder. Naar verwachting komen die binnen een jaar beschikbaar. Ook hebben de nieuwe neurale netwerken met maximaal zo'n 1000 neuronen nog een beperkte omvang ten opzichte van de klassieke neurale netwerken. Bothé wil daarom verder werken aan de opschaling met een factor 100 tot 1000.