55
- ELETTRONICA OGGI 433 - GENNAIO/FEBBRAIO 2014
DIGITAL
NEURONAL CHIP
Una tecnologia neuronale
in grado di evolvere
I
l calcolo neuronale è stato sviluppato molto
negli anni ‘80 per cercare di implementare
sul silicio gli algoritmi di calcolo parallelo
fino a quel punto studiati approfonditamente
solo dal punto di vista software. Le prime
implementazioni sul silicio, tuttavia, soffrivano
di poco parallelismo ed è solo negli anni 90
che l’evoluzione tecnologica ha permesso di
ottenere buoni risultati con lo sviluppo di nodi
neuronali contenenti un po’ di risorse di calco-
lo e un po’ di risorse di memoria amalgamate
in modo tale da poter dare a questi “neuroni” la
facoltà di evolvere.
Le reti di neuroni possono essere dotate di una
programmazione iniziale minima ma sono in
grado di evolvere adattando la configurazione
operativa di ciascun neurone alle condizioni
applicative che di volta in volta si susseguono.
Ogni neurone è capace di collaborare con i
suoi simili nella rete per imparare le novità
che interessano il sistema applicativo dove
tutti insieme si trovano a lavorare e può anche immagaz-
zinarne traccia nella propria memoria in modo tale da
essere in grado di rispondere correttamente quando poi
si verificano gli stessi eventi. Una preziosa caratteristica
delle architetture neuronali è la scalabilità che consente di
espandere la rete neuronale quando la potenza di calcolo
non è adeguata alle applicazioni senza dover riprogram-
mare tutto perché basta aggiungere altri neuroni affinché
questi acquisiscano la base di conoscenza dagli altri e
siano rapidamente operativi con lo stesso livello di presta-
zioni di tutti i neuroni della rete.
Cos’è un neurone e come funziona
la rete neuronale
Un neurone si può definire come una memoria cognitiva e
reattiva in grado di valutare autonomamente la differenza
o meglio la distanza algebrica e logica fra qualsiasi cosa
gli arrivi come dato di ingresso e tutti i dati simili imma-
gazzinati al suo interno. Se questa distanza è inferiore
alla soglia di riconoscimento impostata allora la risposta
è positiva altrimenti la questione viene propagata agli
altri elementi della rete fintantoché un nodo non segnala
di poter fornire una risposta che riduce adeguatamente
Gianluca Scotti
CogniMem ha perfezionato il concetto del
chip neuronale ZISC senza set di istruzioni
ossia capace di crearsi da solo la propria
base di conoscenza e ne propone una
versione orientata alle applicazioni con
un eccezionale rapporto fra la velocità
decisionale e il consumo di potenza
Fig. 1 – Il chip neuronale di CogniMemha una rete di 1024 neuroni che concorrono insie-
me al riconoscimento delle immagini e nel contempo imparano dagli errori migliorando
la propria base di conoscenza
