英特尔的神经形态系统在大脑启发性研究中冲浪


一台可以模拟800万个神经元的神经形态计算机正在新闻中 。术语“神经形态”表示可以模仿人脑的设计 。和神经形态计算?它被描述为在电子模拟电路中使用超大型集成系统来模拟我们系统中的神经生物学架构 。
这就是英特尔介入的重点 , 而且很明显 。Loihi芯片将生物大脑中发现的原理应用于计算机体系结构 。用户的收益是 , 与专用应用程序(例如稀疏编码 , 图形搜索和约束满足问题)相比 , 它们可以处理信息的速度快达CPU的1000倍和效率10,000倍 。
周一的新闻稿中写道:“英特尔的Pohoiki海滩 , 一种64芯片神经形态系统 , 在研究测试中取得了突破性的成果 。”Pohoiki Beach是Intel最新的神经形态系统 。
英特尔正在庆祝一个由64个Loihi研究芯片(代号Pohoiki Beach)组成的800万个神经元神经形态系统 , 现已向更广泛的研究界开放 。这一消息意味着英特尔正在为英特尔的研究合作伙伴提供更大的计算规模和能力 。
这就是为什么这很重要的很大一部分原因-Pohoiki Beach现在将被英特尔称为“ 60个生态系统合作伙伴” 。他们将使用该系统处理涉及计算密集型复杂计算问题的项目 。
【英特尔的神经形态系统在大脑启发性研究中冲浪】IEEE Spectrum清楚地阐明了这一优势 。“研究人员可以使用64芯片的Pohoiki Beach系统来制作系统 , 该系统由多个Nahuku板组成 , 并包含64个Loihi芯片 , 从而使人们更像人类一样学习和观察世界 。”
英特尔实验室常务董事Rich Uhlig表示 , 他们的早期结果给我们留下了深刻的印象 , 因为“我们扩展了Loihi来创建更强大的神经形态系统 。”
这些“生态系统合作伙伴”中谁是谁?例如 , 特柳赖德神经形态认知工程讲习班 , 为期三周的活动 , 于7月19日结束 , 英特尔是白金赞助商 , 它对假肢的适应能力 , 使用新兴的基于事件的摄像头进行对象跟踪以及推断触觉输入的能力产生了困惑 。iCub机器人的电子皮肤 。
滑铁卢大学教授克里斯·埃里亚史密斯(Chris Eliasmith)对耗电量的数字很感兴趣 。“使用Loihi芯片 , 我们能够在实时深度学习基准测试中证明其功耗比GPU低109倍 , 而功耗比专用IoT推理硬件低5倍 。”
VentureBeat中的Kyle Wiggers深入研究了Loihi的一些技术细节:其开发工具链“包含Loihi Python API , 一个编译器以及一组用于在Loihi上构建和执行SNN的运行时库 。它提供了一种创建神经元图的方法 。以及具有自定义配置的突触 , 例如衰减时间 , 突触权重和峰值阈值 , 以及通过自定义学习规则注入外部尖峰来模拟那些图形的方式 。”
总而言之 , 英特尔在神经形态系统上的工作可能会影响下一代AI 。总之 , 不要只在传统的计算机逻辑上浪费时间和精力 。将其用于实验室研究 , 使我们更接近人类的认知 。
“下一代将把人工智能扩展到与人类认知相对应的领域 , 例如解释和自主适应 。这对于克服基于神经网络训练和推理的人工智能解决方案的所谓“脆弱性”至关重要 , 后者取决于文字 。 , 缺乏上下文和常识理解的事件的确定性观点 。”
英特尔实验室表示 , “正在推动对第三代AI做出贡献的计算机科学研究 。主要关注领域包括神经形态计算 , 这与模拟人脑的神经结构和操作以及概率计算有关 , 解决自然世界中的不确定性 , 歧义和矛盾的算法方法 。”
2017年 , 英特尔推出Loihi作为“其首个神经形态研究芯片” 。一年后 , 英特尔正在建立一个研究社区 , 以进一步开发神经形态算法 , 软件和应用程序 。
等等 , 训练有素的神经网络怎么了?他们什么时候不做工作?-IEEE Spectrum的高级编辑塞缪尔·摩尔(Samuel Moore):当今的神经网络遭受灾难性的遗忘 。“如果您试图教一个训练有素的神经网络来识别新事物(例如 , 一个新的路标) , 只需将网络暴露给新的输入 , 它将严重破坏网络 , 以至于在识别任何东西时都会变得很糟糕 。”
摩尔补充说:“传统的神经网络并不像我们的大脑那样真正理解它们从图像中提取的功能 。”

    推荐阅读