Af Palle Vibe, Alt om Data
Denne artikel er oprindeligt bragt på Alt om Data. Computerworld overtog i november 2022 Alt om Data. Du kan læse mere om overtagelsen her.
Den nye supercomputerhjerne er døbt SpiNNaker, og er designet og konstrueret af forskere fra School of Computer Science under University of Manchester’s. Computeren har været planlagt og projekteret i hele 20 år, og opbygningen begyndte i 2006.
Oprindelig blev projektet støttet af Engineering and Physical Sciences Research Council (EPSRC), men modtager i dag støtte fra European Human Brain Project. Den færdige SpiNNaker blev startet op for første gang i efteråret 2018.
Problemløsning efter tur eller færdigt arbejde
Hjernen er kroppens mest komplicerede organ og tilsvarende det mest komplicerede at udforske og forstå. Videnskaben har gennem årtier forsøgt at kortlægge den menneskelige hjerne og eftergøre dens funktioner. Forskerne er også nået langt, men heller ikke så meget længere end det. Et af de værktøjer, forskerne anvender mere og mere i hjerneudforskningen, er
supercomputere.
Problemet er blot, at hjernens måde at fungere på er meget anderledes end en konventionel computers serielle måde at arbejde. En almindelig computer kan ikke multitaske, men behandler én opgave ad gangen. Selv når du har flere programmer kørende, deler din computer blot lidt firkantet sagt sin tid og sine kræfter mellem opgaverne på skift.
Den tager med andre ord tingene efter tur og arbejder serielt, mens en biologisk hjerne arbejder parallelt og kikker på en masse data på én gang. En anden forskel er, at hvor en computer, der sender sine data af sted én pakke ad gangen, samtidig skal fortælle resten af systemet, hvor disse data skal sendes hen, kan hjernen sende millioner af ”datapakker” ud til mange forskellige vilkårlige modtagernerver på samme tid.
![](https://www.computerworld.dk/uploads/aod/2019/01/spinnaker1million-188542-1024x768.jpg)
En biologisk hjerne indeholder nemlig millionvis af hjerneceller eller neuroner, der udveksler elektrokemiske signaler med hinanden gennem myriader af forbindelser (synapser). Den menneskelige hjerne består af små 100 mia. hjerneceller, og forskerne anslår, at der er ca. 150 billioner synapser i vores hjerner.
Lettere bliver det ikke af, at hvert neuron i en hjerne har adskillige tusind signalindgange. Nogle endog op til en kvart mio. Derfor er det næsten åbenlyst, at ethvert forsøg på at genskabe hjernens funktioner må være dømt til at mislykkes, hvis simulationen skal baseres på computere med traditionel opbygning og arkitektur.
”Kernen i problemet er måske ikke så meget processering som kommunikation,” forklarer professor Stephen Furber University of Manchester, der står bag og også leder SpiNNaker-projektet.
”Konventionelle supercomputere er overlegne, når det gælder om at sende store datamængder hurtigt fra sted til sted i et netværk, mens neural emulation går ud på at sende meget små datamængder rundt til mange steder på én gang, og det er en helt anden problematik.”
Neuronerne i en levende hjerne kommunikerer med hinanden gennem korte glimt af elektrokemiske ”spikes”. Hver enkelt spike indeholder ikke meget information, men når hundreder af mio. spikes fyres af på én gang, kan der transmitteres virkeligt mange oplysninger. Til forskel fra almindelige computere kan SpiNNakers processorer som nævnt sende mio. af små datapakker eller impulser (spikes) ud i et tæt netværk af neuroner og synapser (og deraf betegnelsen ”Spiking Neural Network Architecture”.
Adresseringen varetager maskinens virtuelle neuroner selv, idet disse kredsløb så at sige selv beder om de data, de vil have og skal bruge. Du kan sammenligne det med et postvæsen, hvor hver modtager har sit eget private postbud, der kender ruten så godt, at der ikke er nogen grund til at oplyse adressen. Derved kopierer SpiNNaker den unikke hjernearkitektur, som gør organet i stand til massiv parallelprocessering, og derfor kaldes denne form for computerteknologi også ”neuromorfisk” dvs. af form og funktion som rigtige neuroner. Og nu har forskerne fra Manchester i England altså konstrueret verdens hidtil største digitale supercomputer efter neuromorfisk model.
Ligesom menneskehjernen er SpiNNaker dermed i stand til såkaldt vilkårlig ikke-deterministisk processering altså udføre beregninger, som i lighed med hvad en menneskelig hjerne kan finde på, hverken kan forudsiges eller repeteres. Dette skal ifølge forskerne kunne sætte dem i stand til at opdage nye principper inden for parallelberegning, selv om det i dag måske ikke står helt klart, hvad dette indebærer i praksis.
Tre områder, hvor SpiNNaker kan skabe ny viden
Når det gælder brugsområder, er det netop indsigt i, hvordan hjernen fungerer, som indtil videre er blandt systemets centrale anvendelser. Det sker for SpiNNakers vedkommende i samarbejde med projektet ”Human Brain Project”, som netop har som målsætning at fremme hjerneforskning.SpiNNaker kan specielt hjælpe tre hovedområder af hjerneforskningen:
Neurovidenskab: Fuld forståelse af, hvordan menneskehjernen virker, og hvad der eventuelt fører til hjernesygdomme, er en af de helt store udfordringer og et af det 21. århundredes mest interessante spørgsmål. Større forståelse vil naturligvis betyde endnu større muligheder for at gå ind og kurere eller bedre. SpiNNaker kan også hjælpe forskerne et stykke på vejen til at klarlægge bevidsthedens natur. Maskinen er i stand til at simulere op til en mia. basale neuroner eller mio. af neuroner med en mere kompleks indre natur og dynamisk kommunikation.
Robotteknologi: SpiNNaker kan være til effektiv gavn for robotforskere med sin mulighed for enkel op- eller nedskalering. Det vil gøre det muligt at simulere mindre hjernenetværk med måske titusinder neuroner komplet med signalbearbejdning inklusiv processering af sanseindtryk og i den anden ende generere motorsignaler i realtid.
Computervidenskab: SpiNNaker bryder med konventionel computeropbygning, der er baseret på deterministisk gentagelig kommunikation og pålidelig signalbehandling. Maskinen udsender tværtimod simple signal-impulser (spikes), der pr. definition er usikre og lette at gå fejl af. Denne opbygning giver naturligvis mange nye udfordringer, men rummer også potentiale til at opdage nye muligheder og opdagelser, de kan gøres i kraft af parallelberegning.
Store tal hele vejen
SpiNNaker består af 10 rækker af store 19 tommer racks, der hver kan rumme 100.000 processorkerner i form af 57.600 ARM 968 chips (Advanced RISC Machine). Det er i øvrigt professor Steve Furber selv, der også står bag udviklingen af den originale Acorn RISC Machine fra 1980’erne. ARM chips er valgt af stort set de samme grunde som producenter af mobiltelefoner bruger dem. De er små, effektive og energiøkonomiske. Og det er en afgørende betingelse for at kunne eftergøre en biologisk hjernes virkemåde.
”Det er rigtigt, at ARM processorer er energieffektive,” pointerer professer Furber, ” men for at opnå tilstrækkelig kapacitet, skal du bruge mange af dem. På samme måde er der ikke så mange neuroner i en regnorm, men myriader i den menneskelige hjerne. Hvis du samler bare fire sådanne chips på et kort, summer det sig op til 72 ARM kerner, der repræsenterer samme hjernekraft som en havesnegl, siger professor Furber.
”Samler du 48 chips, får du 864 kerner, hvilket er nok til at emulere hjernen af et mindre insekt. 20.000 kerner giver samme hjernekraft som en frø, og 100.000 kerner modsvarer en musehjerne. Forestiller du dig, at en supercomputer skulle emulere en menneskehjerne, skulle den kunne udføre en mio. gange en mio. gange en mio. udregninger eller operationer/sek. Det vil med nutidig computerteknik kræve et energiforbrug på 20-30 megawatt. Hjernen derimod er nemlig ekstremt energieffektiv og kan klare det samme med et energiforbrug på 20 watt,” siger Furber.
![](https://www.computerworld.dk/uploads/aod/2019/01/Furber-1024x681.jpg)
Stephen Furber kan simulere en rigtig levende menneskehjerne med computerchips. Foreløbig bringer fire chips ham ikke længere end til at kunne simulere hjernen på en havesnegl.
Men i modsætning til den traditionelle skole inden for computeropbygning, hvor almindelige serielle computere tvinges til at levere mere og mere regnekraft for at kunne nå op på mange mio. udregninger i sekundet og opnå supercomputer status, fungerer SpiNNaker jo ved brug af spikes, der hver især kun indeholder minimal information og derfor ikke er specielt energikrævende, men alligevel kan formidle det utrolige, hvis blot du sender spikes nok af sted. Det summer sig dog alligevel op. SpiNNaker trækker, som den står i dag, 100 kW 240 V strøm.
”Men netop denne mulighed for hurtigt at køre store detaljerede simulationer af neurale netværk med minimalt energiforbrug vil kunne betyde et stort skridt fremad for hjerneforskningen”, lover professor Stephen Furber.
Processorkortene er presset ned i fem minimalistiske Blade serversvøb med hver 18 tætpakkede uafhængige processorkerner. Hver processorkerne råder over 128 MB ddr SDram, og hele computeren omfatter derfor i alt 1.036.800 kerner, der råder over en hukommelseskapacitet på over 7 TB ram. Til sammen omfatter de lidt over 1 mio. processorkerner 100 mio. transistorer, hvilket gør computeren i stand til at udføre 200 billioner udregninger pr. sekund.
Hver kerne i SpiNNaker kan emulere 1000 neuroner, og det teoretisk mulige antal af emulerede neuroner er dermed omkring 1 mia. Men for blot at nå én procent af den menneskelige hjernes kapacitet, skal du bruge en mio. kerner, og alligevel får du ikke mere brainpower, end du kan få af 10 musehjerner.
Den kunstige musehjerne
SpiNNaker er ganske vist ikke den første supercomputer, der kan prale af en mio. processorkerner, men den engelske kæmpemaskine er den første af sin art, der er specielt udviklet til at efterligne processerne i en biologisk hjerne. Steve Furber understreger, at denne opbygning får maskinen til at arbejde som en levende samling hjerneceller, og det giver helt ekstraordinære muligheder. SpiNNaker vil være i stand til at gennemføre simulationer i stor skala, og Furber og hans team håber der igennem at få indsigt i en rigtig hjernes funktion.
Foreløbig har SpiNNaker, der i øvrigt har fået navn efter et specielt sejl til racerbåde, emuleret forskellige afgrænsede hjerneområder som eksempelvis hjernebarken, hvor sanseindtryk bliver bearbejdet, og har også efterlignet en hel musehjerne, der ”blot” har 100 mio. neuroner. Men kapacitet og kvantitet af processorerne gør det ikke alene. En realistisk simulation af en biologisk hjerne, forudsætter også, at forbindelserne mellem processorerne og neuronerne er rigtige.
”For at bygge en fungerende digital musehjerne behøver vi i princippet at kende hvert eneste neuron og dets forbindelser til ethvert andet neuron i hjernen,” uddyber Furber. ”Det er desværre indtil videre en umulig opgave i praksis. I stedet har vi koncentreret os om at opstille et statistisk sandsynligt udvalg af neuroner og dataforbindelser, hvilket som slutresultat giver en statistisk sandsynlig model af en musehjerne. Det er selvsagt ikke 100 %
optimalt og svarer lidt til de første verdenskort og globusmodeller med tilsvarende sporadisk nøjagtighed.”
![](https://www.computerworld.dk/uploads/aod/2019/01/SpOmnibot-797x1024.jpg)
Til gengæld har Furber og hans forskningshold opbygget en troværdig model af en musehjernes ydre synlige hjernebark og ”vist” den et billede, som den troligt har omsat til en strøm af impulser (spikes) sendt gennem ”synsnerven”, og svaret med et udgangssignal, som forskerne har kunnet udnytte til at kontrollere en virtuel mus eller en lille muserobot.
”Vores nye computer kan også gøre det muligt at blive klogere på hjernefunktioner som indlæring og hukommelse,” meddeler Furber. ”Vi har allerede dannet os et indtryk af hjernens indlæringsprocesser på synaps-niveau inklusive forstærket indlæring gennem brug af stoffet dopamin, men selv om det reelt er muligt at simulere ægte hjerneindlæring på højt plan med SpiNNaker er der naturligvis stadig et stort spring til, at vi med sikkerhed kan påstå, at vi nu ved, hvordan hjernen arbejder.”
Til kamp mod epilepsi og Parkinsons syge
Forskerholdet har dog på nuværende tidspunkt også været i stand til at simulere et afgrænset område i den menneskelige hjerne kaldet Basal Ganglia, der er interessant, da området hører tæt sammen med Parkinsons syge.
Derfor kan en supercomputer som SpiNNaker også være med til at opnå afgørende landvindinger inden for sundhed og medicin og ikke mindst inden for afprøvning af medicin eksempelvis mod epilepsi og Alzheimers, hvor computeren kan simulere, hvordan hjernen reagerer på nye stoffer mv. Furber erkender dog, at der stadig er et stykke til på den måde at afgøre, hvordan en virkelig menneskelig patient vil reagere.
Næste skridt er en robot
Forskerne har nu planer om en SpiNNaker2 supercomputer, der vil være i stand til at emulere en mia. neuroner. Det vil til eksempel gøre det muligt at bygge en komplet digital insekthjerne med øjne og sanser og indbygge den i en lille chip, der kan placeres på toppen af en drone. Ikke alene vil sådan en maskine naturligvis kunne give neurologerne de hidtil mest nøjagtige modeller af hjernen, men det vil også give robotforskere nye muligheder for at udvikle robotter, der kan færdes i vanskelige omgivelser, som de vil kunne fortolke med computersyn.
Et af de foreløbige resultater er robotten SpOmnibot, der tøffer rundt med et panel af SpiNNaker processorer oppe i ”hovedet”. Robotten kan både sanse og reagere på omgivelserne ud fra sine sanseindtryk og f.eks. bevæge sig mod bestemte objekter og undgå andre. Sådanne robotter kan hjælpe videnskaben til at forstå, hvordan hjernen så at sige omsætter tanker til handling, muskelstyring og adfærd.