IBM ha presentato Synapse, un chipset progettato per riprodurre su scala ridotta alcuni principi di funzionamento del cervello umano. Il progetto si basa su una rete di core neurosinaptici, elementi in grado di elaborare le informazioni in modo distribuito e di attivarsi soltanto quando necessario.

Più che una dimostrazione di intelligenza artificiale nel senso tradizionale del termine, Synapse nasce soprattutto come ricerca sull’efficienza energetica. Il processore è stato sviluppato per conto della DARPA, l’agenzia statunitense legata ai progetti di difesa, con l’obiettivo di contribuire allo sviluppo delle future tecnologie neuroscientifiche e cognitive.

La caratteristica centrale del sistema è la possibilità di eseguire le operazioni utilizzando un solo core oppure un gruppo più ampio di core, in base alla complessità del compito. Questo approccio permette di evitare l’attivazione simultanea di tutte le risorse di calcolo quando il carico di lavoro è ridotto, con potenziali vantaggi significativi sul consumo complessivo.

Un’architettura ispirata alle connessioni del cervello

Il nome Synapse richiama le sinapsi, cioè le connessioni attraverso cui i neuroni del cervello comunicano tra loro. Nel chip di IBM il concetto viene tradotto in una struttura composta da numerosi core neurosinaptici collegati all’interno di una rete. La versione descritta nel progetto comprende 4.096 core, organizzati per gestire le informazioni senza richiedere che ogni componente lavori continuamente insieme alle altre.

La logica è diversa da quella dei chipset tradizionali. Nei processori convenzionali, secondo la descrizione del progetto, le diverse componenti tendono a operare simultaneamente, anche quando le operazioni da svolgere sono semplici. Questo comportamento può generare consumi elevati, perché una parte significativa delle risorse rimane attiva anche quando non sarebbe strettamente necessaria.

Synapse cerca invece di distribuire il lavoro in modo più selettivo. Quando il carico è limitato può essere sufficiente un singolo core; all’aumentare delle richieste vengono attivate ulteriori unità di elaborazione. Il meccanismo ricorda, almeno sul piano concettuale, il modo in cui il cervello coinvolge aree differenti a seconda della situazione e del tipo di informazione da elaborare.

Efficienza energetica al centro del progetto

Il principale risultato indicato per Synapse riguarda il rapporto tra capacità di calcolo e consumi. Ogni core è progettato per consumare pochissimi watt e l’intero sistema può gestire fino a 46 miliardi di operazioni al secondo per watt. Il dato evidenzia la priorità del progetto: non soltanto aumentare la potenza di elaborazione, ma ottenere prestazioni elevate mantenendo il consumo il più possibile contenuto.

Questo approccio potrebbe rivelarsi utile soprattutto in quei contesti in cui l’efficienza energetica è importante quanto la capacità di calcolo. La possibilità di attivare soltanto i core necessari consente infatti di adattare il funzionamento del processore al carico reale, evitando di impiegare l’intera architettura per attività poco complesse.

La somiglianza con il cervello umano, quindi, non deve essere interpretata come la presenza di un’intelligenza equivalente a quella biologica. L’elemento più concreto è il modello organizzativo: una grande quantità di unità semplici, collegate tra loro e utilizzate in modo dinamico. Il progetto mostra come questo principio possa essere applicato alla progettazione di processori orientati alla riduzione dei consumi.

Il software è la principale barriera alla commercializzazione

Prima di poter trasformare questa tecnologia in una gamma di processori destinata al mercato, IBM deve però affrontare un ostacolo rilevante: il linguaggio macchina e l’architettura software necessari per utilizzare correttamente la potenza disponibile. Un processore organizzato secondo una logica neurosinaptica non può essere sfruttato automaticamente dagli stessi programmi progettati per le architetture tradizionali.

Il problema non riguarda soltanto la programmazione dei singoli applicativi. Per utilizzare in modo efficace i core e distribuire le operazioni tra le diverse unità sarebbe necessario rivedere una parte consistente dell’ambiente software esistente. Senza strumenti e linguaggi adeguati, la presenza di migliaia di core rischierebbe di non tradursi in un vantaggio concreto per gli utenti.

Questa difficoltà spiega perché il progetto debba essere considerato innanzitutto una ricerca sulle architetture di calcolo e non ancora un prodotto pronto per la commercializzazione. La componente hardware offre un modello potenzialmente molto efficiente, ma il suo valore dipenderà dalla possibilità di costruire un ecosistema software capace di gestire la distribuzione del lavoro e l’attivazione selettiva dei core.

Dai primi esperimenti alla versione più evoluta

L’evoluzione del progetto viene riassunta attraverso il confronto tra la prima versione, risalente al 2011, e quella attuale. Il prototipo iniziale disponeva di un core, 256 neuroni artificiali e 262.144 connessioni tra le unità. La versione più recente arriva invece a 256 milioni di connessioni e a un milione di neuroni artificiali, mostrando una crescita notevole nella complessità della rete.

Nel testo di presentazione il numero dei core della versione attuale è indicato come 44.096, mentre nella descrizione generale del chipset viene riportata una configurazione da 4.096 core neurosinaptici. Questa differenza nei dati non modifica il principio alla base di Synapse, ma evidenzia la necessità di distinguere tra le informazioni riferite alla piattaforma e quelle utilizzate per il confronto tra le diverse generazioni del progetto.

IBM non offre quindi soltanto una nuova configurazione hardware, ma una possibile direzione per lo sviluppo di processori capaci di lavorare in modo più selettivo. Non è ancora possibile stabilire se questa ricerca porterà a sistemi realmente simili al cervello umano; il risultato più immediato è la prospettiva di ottenere dispositivi con consumi estremamente ridotti e con una capacità di calcolo distribuita tra numerose unità indipendenti.