Moderne systemen voor kunstmatige intelligentie (AI) worden steeds krachtiger maar brengen ook steeds hogere lasten met zich mee, zoals het energieverbruik. In zijn door het Nationaal Groeifonds-programma AiNed gefinancierde project onderzoekt Guangzhi Tang een radicaal andere benadering van AI-berekeningen, geïnspireerd door het menselijk brein. ‘Berekeningen met neurale netwerken worden vaak omschreven als geïnspireerd door de hersenen, maar de manier waarop ze daadwerkelijk rekenen verschilt sterk van hoe de hersenen werken,’ zegt Tang.
Het onderzoek maakt deel uit van AiNed XS Europe dat wordt gecoördineerd door AIC4NL en uitgevoerd in samenwerking met NWO (Nederlandse Organisatie voor Wetenschappelijk Onderzoek). De relatief kleine, kortlopende onderzoeksprojecten leggen de basis voor grotere Europese samenwerkingen en de AI-innovaties van morgen. Nu de projecten zijn afgerond, blikken we samen met de onderzoekers terug op de resultaten.
Tekst: Aafje Sierksma | Beeld: Guangzhi Tang
Biologische efficiëntie
De meeste huidige AI-systemen zijn gebaseerd op matrixberekeningen, een methode die een constante dataoverdracht vereist, wat extreem energie-intensief is. In plaats van continue, gesynchroniseerde processen maakt het brein gebruik van neuronen die communiceren via spikes – korte, discrete signalen die zowel sporadisch als asynchroon plaatsvinden. Neuronen wachten niet op volledige informatie voordat ze handelen. ‘In het brein worden signalen alleen doorgegeven wanneer er iets betekenisvols gebeurt’, zegt Tang. Deze biologische efficiëntie inspireert onderzoekers al langere tijd, waaronder degenen die werken aan neuromorfische hardware – computerchips die zijn ontworpen om neuraal gedrag na te bootsen.
De laatste barrière wegnemen
Hoewel neuromorfische hardware is gebouwd om te werken zoals de hersenen werken, namelijk asynchroon, maken de meeste AI-trainingsmethoden nog steeds gebruik van de traditionele, stapsgewijze synchrone methoden. ‘We hebben een volledig door ‘events’ gestuurde, asynchrone trainingsmethode ontwikkeld’, vertelt Tang. ‘Hierdoor kunnen neurale netwerken worden getraind op dezelfde manier als hersenen werken, zonder terug te vallen op die gesynchroniseerde matrixberekeningen.’
Het project is een samenwerking met de leerstoel Highly-Parallel VLSI Systems and Neuro-Microelectronics aan de TU Dresden, die een unieke neuromorfische supercomputer huisvest. Hoewel Tang en zijn samenwerkingspartners elkaar al kenden, maakte het AiNed-project een veel intensievere samenwerking mogelijk. ‘Voor het eerst konden we onze ideeën echt testen op een groot neuromorfisch systeem,’ zegt Tang. ‘Dat was essentieel voor het valideren van onze aanpak.’
Opschaling
Op dit moment is de energie-efficiëntie al op prototypeniveau verbeterd vergeleken met traditionele benaderingen. De overstap van een academische omgeving naar de industrie vereist schaalvergroting van zowel de algoritmen en trainingsdata als van de trainingsefficiëntie. Inmiddels bereiden Tang en zijn partners vervolgonderzoeksvoorstellen met de industrie voor om het werk voort te zetten. ‘Als het gebruik van AI blijft toenemen, kan dat het Europese energiesysteem overbelasten,’ legt hij uit. ‘Onze bevindingen kunnen direct bijdragen aan Europese startups die energie-efficiënte neuromorfische hardware bouwen.’
Persoonlijke en wetenschappelijke impact
Voor Tang was dit zijn eerste beurs sinds hij bij de Universiteit Maastricht kwam werken. Het gaf hem een sterke start bij het ontwikkelen van zijn eigen onderzoekslijn op het gebied van energie-efficiënte AI. Het succes van het project droeg ook bij aan zijn vaste aanstelling als universitair docent bij de afdeling Advanced Computing Sciences. ‘De energiekosten van AI zijn niet alleen een economische kwestie, maar ook een maatschappelijke en humanitaire. De academische wereld heeft de verantwoordelijkheid om actie te ondernemen en deze uitdagingen proactief aan te pakken voordat het te laat is’, benadrukt Tang.
Over Nationaal Groeifonds (NGF) AiNed XS Europe
De NGF AiNed XS Europe-call, ontwikkeld in samenwerking met NWO, heeft veertig eenjarige projecten gefinancierd die onderzoekers in staat stellen om samen met Europese partners nieuwsgierigheidsgedreven, risicovol AI-onderzoek te verrichten. Het ondersteunt het snel verkennen van gedurfde ideeën waarbij de uitkomsten onzeker zijn, maar elk resultaat bijdraagt aan wetenschappelijke vooruitgang. Deelnemers aan de NGF AiNed XS Europe-oproep hebben elkaars voorstellen beoordeeld. ‘Dit was niet alleen een evaluatietaak, maar ook een waardevolle leerervaring, die aantoonde hoe een sterke probleemdefinitie en een duidelijke methodologie echt het verschil maken bij het rangschikken van financieringsaanvragen,’ aldus Tang.
Bron: NWO
