57
- ELETTRONICA OGGI 433 - GENNAIO/FEBBRAIO 2014
DIGITAL
NEURONAL CHIP
motori sfruttano un modello adattativo per riconoscere le
caratteristiche dei dati di ingresso, arrivare a una risposta
in meno di 3 μs e nel contempo fornire di volta in volta
a tutti i neuroni della rete le informazioni necessarie per
aggiornare la loro base dati e migliorare l’efficacia di ela-
borazione per le decisioni successive.
L’algoritmo K-Nearest Neightbor, KNN, consente di clas-
sificare i dati di ingresso siano essi immagini di oggetti,
suoni e fonemi vocali oppure stringhe numeriche, con-
frontandone i connotati con i dati presenti in memoria che
presentano le medesime caratteristiche.
La rete Radial Basis Function Network, RBF, serve a valu-
tare le distanze fra i dati di ingresso e i dati memorizzati
e ad accorgersi quando non sia possibile fornire risposte
positive e occorra di conseguenza cercare una soluzione
migliore nella rete e nel contempo attivare una procedura
di apprendimento.
Entrambi i motori sono dotati di potenti unità algebriche
vettoriali capaci di processare dati molto complessi che si
attivano indifferentemente su tutti i neuroni presenti nella
rete. È quindi possibile incaricare alcuni neuroni dell’ac-
quisizione dei dati dall’ingresso perché questi vengono
immediatamente diramati in tutta la rete per essere pro-
cessati da tutti gli altri neuroni finché non viene generata
la risposta più appropriata.
Un decennio di ricerche sui neuroni
L’avventura CogniMem comincia nel 1993 quando Guy
Paillet pubblica il suo lavoro sviluppato nei laboratori IBM
su un innovativo chip neuronale battezzato ZISC, Zero
Instruction Set Computer, dotato di auto apprendimento e
composto da 36 neuroni. Questo brevetto divenne un pro-
totipo funzionante nel 1999 con il nome di ZISC78, aveva
78 neuroni e venne fabbricato in geometria di riga da 0,25
micron, ma in quella fase sembrava che avesse difficili
risvolti applicativi e perciò IBM decise di non proseguire
ulteriormente.
Fu così che Paillet pensò bene di andare avanti da solo
finché incontrò la ricercatrice Anne Menendez che lo
aiutò a ingegnerizzare il progetto del ZISC. Grazie a ciò e
alla sponsorizzazione di OKI Research & Development, nel
2006 nacque un chip un po’ più completo e orientato alle
applicazioni denominato CM1K con a bordo addirittura
un migliaio di neuroni. Finalmente nel 2011 i due ricer-
catori conobbero Bruce McCormick grazie al quale tutti
e tre fondarono la CogniMem Technologies a Folsom, in
California, dove si dedicarono a sviluppare ulteriormente
il lavoro svolto per cercare di realizzare un chip ancor più
versatile. Il nuovo CM1K, oggi, può essere impiegato in
molte applicazioni e affiancarsi a elementi di sensori che
si possono persino paragonare ai cinque sensi asserviti al
Fig. 3 – Schema a blocchi del
CM1K che mantiene l’impo-
stazione originale del ZISC
ma ne migliora la versatilità
applicativa e si può facilmen-
te affiancare a una varietà
di sensori
