英特爾的神經(jīng)形態(tài)系統(tǒng)在大腦啟發(fā)性研究中沖浪

一臺可以模擬800萬個神經(jīng)元的神經(jīng)形態(tài)計算機正在新聞中。術語“神經(jīng)形態(tài)”表示可以模仿人腦的設計。和神經(jīng)形態(tài)計算?它被描述為在電子模擬電路中使用超大型集成系統(tǒng)來模擬我們系統(tǒng)中的神經(jīng)生物學架構。

這就是英特爾介入的重點，而且很明顯。Loihi芯片將生物大腦中發(fā)現(xiàn)的原理應用于計算機體系結構。用戶的收益是，與專用應用程序(例如稀疏編碼，圖形搜索和約束滿足問題)相比，它們可以處理信息的速度快達CPU的1000倍和效率10,000倍。

周一的新聞稿中寫道：“英特爾的Pohoiki海灘，一種64芯片神經(jīng)形態(tài)系統(tǒng)，在研究測試中取得了突破性的成果。”Pohoiki Beach是Intel最新的神經(jīng)形態(tài)系統(tǒng)。

英特爾正在慶祝一個由64個Loihi研究芯片(代號Pohoiki Beach)組成的800萬個神經(jīng)元神經(jīng)形態(tài)系統(tǒng)，現(xiàn)已向更廣泛的研究界開放。這一消息意味著英特爾正在為英特爾的研究合作伙伴提供更大的計算規(guī)模和能力。

這就是為什么這很重要的很大一部分原因-Pohoiki Beach現(xiàn)在將被英特爾稱為“ 60個生態(tài)系統(tǒng)合作伙伴”。他們將使用該系統(tǒng)處理涉及計算密集型復雜計算問題的項目。

IEEE Spectrum清楚地闡明了這一優(yōu)勢。“研究人員可以使用64芯片的Pohoiki Beach系統(tǒng)來制作系統(tǒng)，該系統(tǒng)由多個Nahuku板組成，并包含64個Loihi芯片，從而使人們更像人類一樣學習和觀察世界。”

英特爾實驗室常務董事Rich Uhlig表示，他們的早期結果給我們留下了深刻的印象，因為“我們擴展了Loihi來創(chuàng)建更強大的神經(jīng)形態(tài)系統(tǒng)。”

這些“生態(tài)系統(tǒng)合作伙伴”中誰是誰?例如，特柳賴德神經(jīng)形態(tài)認知工程講習班，為期三周的活動，于7月19日結束，英特爾是白金贊助商，它對假肢的適應能力，使用新興的基于事件的攝像頭進行對象跟蹤以及推斷觸覺輸入的能力產(chǎn)生了困惑。 iCub機器人的電子皮膚。

滑鐵盧大學教授克里斯·埃里亞史密斯(Chris Eliasmith)對耗電量的數(shù)字很感興趣。“使用Loihi芯片，我們能夠在實時深度學習基準測試中證明其功耗比GPU低109倍，而功耗比專用IoT推理硬件低5倍。”

VentureBeat中的Kyle Wiggers深入研究了Loihi的一些技術細節(jié)：其開發(fā)工具鏈“包含Loihi Python API，一個編譯器以及一組用于在Loihi上構建和執(zhí)行SNN的運行時庫。它提供了一種創(chuàng)建神經(jīng)元圖的方法。以及具有自定義配置的突觸，例如衰減時間，突觸權重和峰值閾值，以及通過自定義學習規(guī)則注入外部尖峰來模擬那些圖形的方式。”

總而言之，英特爾在神經(jīng)形態(tài)系統(tǒng)上的工作可能會影響下一代AI。總之，不要只在傳統(tǒng)的計算機邏輯上浪費時間和精力。將其用于實驗室研究，使我們更接近人類的認知。

“下一代將把人工智能擴展到與人類認知相對應的領域，例如解釋和自主適應。這對于克服基于神經(jīng)網(wǎng)絡訓練和推理的人工智能解決方案的所謂“脆弱性”至關重要，后者取決于文字。 ，缺乏上下文和常識理解的事件的確定性觀點。”

英特爾實驗室表示，“正在推動對第三代AI做出貢獻的計算機科學研究。主要關注領域包括神經(jīng)形態(tài)計算，這與模擬人腦的神經(jīng)結構和操作以及概率計算有關，解決自然世界中的不確定性，歧義和矛盾的算法方法。”

2017年，英特爾推出Loihi作為“其首個神經(jīng)形態(tài)研究芯片”。一年后，英特爾正在建立一個研究社區(qū)，以進一步開發(fā)神經(jīng)形態(tài)算法，軟件和應用程序。

等等，訓練有素的神經(jīng)網(wǎng)絡怎么了?他們什么時候不做工作?-IEEE Spectrum的高級編輯塞繆爾·摩爾(Samuel Moore)：當今的神經(jīng)網(wǎng)絡遭受災難性的遺忘。“如果您試圖教一個訓練有素的神經(jīng)網(wǎng)絡來識別新事物(例如，一個新的路標)，只需將網(wǎng)絡暴露給新的輸入，它將嚴重破壞網(wǎng)絡，以至于在識別任何東西時都會變得很糟糕。”

摩爾補充說：“傳統(tǒng)的神經(jīng)網(wǎng)絡并不像我們的大腦那樣真正理解它們從圖像中提取的功能。”