Современные технологии преображают отрасли.
Фундамент любых сложных технологий закладывается академической наукой. Пока промышленные гиганты борются за микроны и инвестиции, российские ученые создают принципиально новые инструменты, способные пересобрать целые отрасли. На сессии форума, посвященной искусственному интеллекту, ведущие исследователи институтов Российской академии наук представили свои разработки. Рассказываем о некоторых из них.
Нейроморфные горизонты
Появление специализированных нейропроцессоров и аппаратных платформ искусственного интеллекта поставило перед разработчиками нетривиальную задачу: как корректно оценивать их эффективность? Профессор РАН, доктор технических наук Роман Мещеряков из Института проблем управления РАН (ИПУ РАН) подчеркнул, что традиционные метрики проектирования, такие как тактовая частота в гигагерцах или число арифметических операций за секунду, для микросхем нового поколения безнадежно устарели.
В отличие от классических архитектур, нейроморфные системы и процессоры для инференса нейросетей функционируют по принципам, заимствованным у живой природы. Они не гоняют тактовые импульсы ради каждой отдельной операции, а обрабатывают информацию в событийном потоке - параллельно, асинхронно и с минимальными затратами энергии. Пытаться мерить их производительность по старинке все равно что оценивать сложнейшую логистическую сеть по количеству сожженного топлива в минуту.
Чтобы преодолеть этот разрыв, специалисты ИПУ РАН формируют принципиально новую систему критериев и бенчмарков - эталонных тестов для сравнения и оценки эффективности.
Эксперты предлагают оценивать вычислительные платформы комплексно - через реальное энергопотребление всей системы, плотность производительности на единицу площади чипа, объем задействованной встроенной памяти и (для спайковых архитектур) через количество синаптических операций в секунду. Такой подход позволяет соотнести физические затраты чипа с качеством решения прикладных задач.
Однако за высокой производительностью скрывается еще одна фундаментальная проблема - так называемый эффект черного ящика. В критических областях применения (например, в медицинских системах поддержки принятия решений или в контурах управления беспилотным транспортом) аппаратные алгоритмы не имеют права функционировать непрозрачно. Более того, современные нейроморфные и вероятностные структуры зачастую недетерминированы, то есть при идентичных входных данных они могут выдавать вариативные результаты из-за остаточных токов и микросостояний физической среды на кристалле.
В условиях, когда на один и тот же запрос система может ответить по-разному, делегировать ей критические полномочия без всестороннего контроля недопустимо. Именно поэтому ученые РАН настаивают на создании жестких стандартов верификации искусственного интеллекта. Главным фильтром надежности и безопасности здесь должно стать авторитетное экспертное суждение научного сообщества, способное гарантировать, что прорывные технологические решения не несут в себе скрытых системных рисков.
Дрон-порт на колесах
Одна из ярких прикладных историй сегодня разворачивается на стыке информатики, робототехники и сельского хозяйства в Санкт-Петербургском федеральном исследовательском центре РАН (СПб ФИЦ РАН). Исследователи центра решили задачу, к которой индустрия подступалась годами, - нашли способ освободить операторов агродронов от рутинной ручной замены батарей и дозаправки. Об этом рассказал директор центра, доктор технических наук, профессор РАН Андрей Ронжин.
Сегодня для обработки полей требуются целые бригады операторов, которые каждые 10-15 минут вручную меняют разрядившиеся аккумуляторы и доливают жидкие удобрения в баки. Питерские ученые создали автономный наземный комплекс, так называемый дрон-порт. Эта мобильная станция на трехосном шасси способна одновременно обслуживать до трех беспилотников. Посадочная полоса оснащена датчиками и точными системами центровки, а внутренние механизмы с помощью манипуляторов сами меняют батареи и заправляют аппараты раствором.
– Мы не гонимся за двумя нанометрами, нам нужно решать прикладные задачи, - заметил А.Ронжин.
Помимо агродронов петербургские ученые применяют искусственный интеллект для помощи рыбным фермам. Ученые установили под водой камеры и научили компьютер следить за стаями форели. Программа по малейшим изменениям в движении рыбы (например, когда падает уровень кислорода или начинается болезнь) заранее замечает угрозу и предупреждает специалистов задолго до того, как проблема станет заметна глазу.
Память нового поколения
Не менее прорывные процессы идут в области создания отечественной электронной компонентной базы. Как напомнила доктор физико-математических наук Карине Абгарян из Федерального исследовательского центра «Информатика и управление» РАН (ФИЦ ИУ РАН), сегодня перед научным сообществом стоит задача создания суверенных систем автоматизированного проектирования (САПР).
В рамках масштабного партнерства с отечественной индустрией ученые ФИЦ ИУ РАН разработали уникальный программный комплекс «Сова», предназначенный для проектирования элементов энергонезависимой памяти трех типов: ReRAM, FeRAM и MRAM. Главная сложность создания такой памяти заключается в том, что она основана на использовании различных физических процессов, которые нужно смоделировать на самых разных уровнях - от квантово-механических расчетов материала до макроскопических параметров готового чипа. Это значит, что инженерам приходится решать задачу «сборки матрешки». Сначала нужно на квантовом уровне заглянуть внутрь самого кристалла и понять, как ведут себя отдельные атомы и электроны, а затем собрать из этих данных общую математическую модель для готового чипа целиком. Без этой многоэтапной «склейки» невозможно предсказать, будет ли память вообще работать в реальном устройстве.
Программа «Сова» берет на себя самую рутинную работу. Она автоматически просчитывает физику процессов на всех уровнях (от атомов до готового чипа), проверяет себя по реальным лабораторным опытам и тут же выдает готовые блоки, которые инженеры могут сразу загружать в заводские программы для проектирования микросхем. Более того, в систему уже внедряются интеллектуальные агенты на базе языковых моделей, которые помогают исследователям формулировать задачи и ускоряют поиск оптимальных конфигураций материалов. Как подчеркивает К.Абгарян, без прочного фундамента на уровне материаловедения и точного моделирования невозможно построить ни одну вертикальную технологическую цепочку.
Обложка: изображение сгенерировано Gemini
