英特爾的神經(jīng)形態(tài)系統(tǒng)在腦靈感研究的下一波浪潮中沖浪

新聞中出現(xiàn)了一種可以模擬800萬個神經(jīng)元的神經(jīng)形態(tài)計算機。術語“神經(jīng)形態(tài)”暗示了一種可以模仿人類大腦的設計。和神經(jīng)形態(tài)計算?它被描述為在我們的系統(tǒng)中使用具有電模擬電路模擬神經(jīng)生物學結(jié)構(gòu)的超大規(guī)模集成系統(tǒng)。

這就是英特爾介入的地方，而且意義重大。Loihi芯片將生物大腦中的原理應用于計算機架構(gòu)。對于用戶來說，這樣做的好處是，在處理特定應用程序(例如稀疏編碼、圖搜索和約束滿足問題)時，他們處理信息的速度比cpu快1000倍，效率是cpu的1萬倍。

該公司周一發(fā)布的新聞稿稱，“英特爾的Pohoiki Beach，一個64芯片的神經(jīng)形態(tài)系統(tǒng)，在研究測試中取得了突破性的成果。”Pohoiki海灘是英特爾最新的神經(jīng)形態(tài)系統(tǒng)。

英特爾正在慶祝一個由64塊Loihi研究芯片(代號為Pohoiki beach)組成的800萬個神經(jīng)元的神經(jīng)形態(tài)系統(tǒng)現(xiàn)在可以用于更廣泛的研究領域。這一消息意味著英特爾將為其研究伙伴提供更大的計算規(guī)模和能力。

這就是為什么這是一筆大買賣的部分原因——pohoiki海灘現(xiàn)在將向英特爾報告的“60個生態(tài)系統(tǒng)合作伙伴”開放。他們將把該系統(tǒng)用于涉及復雜計算問題的項目，這些問題需要大量計算。

IEEE頻譜清楚地說明了它的優(yōu)勢。“研究人員可以使用64芯片的Pohoiki Beach系統(tǒng)來制作學習和觀察世界更像人類的系統(tǒng)(Pohoiki Beach系統(tǒng)由多個Nahuku板組成，包含64塊Loihi芯片)。”

英特爾實驗室(Intel Labs)董事總經(jīng)理里奇•烏利希(Rich Uhlig)表示，“隨著我們擴大Loihi的規(guī)模，以創(chuàng)建更強大的神經(jīng)形態(tài)系統(tǒng)”，他們對早期成果印象深刻。

誰是這些“生態(tài)系統(tǒng)伙伴”中的一部分?其中一個是Telluride神經(jīng)形態(tài)認知工程研討會，為期三周，將于7月19日結(jié)束，因特爾公司是該研討會的白金贊助商。該研討會將探索假肢的適應能力，使用新興的基于事件的相機進行目標跟蹤，以及推斷iCub機器人電子皮膚的觸覺輸入。

滑鐵盧大學(University of Waterloo)教授克里斯•埃利亞斯米特(Chris Eliasmith)對能耗數(shù)據(jù)很感興趣。“在運行實時深度學習基準測試時，Loihi芯片的功耗比GPU低109倍，比專門的物聯(lián)網(wǎng)推理硬件低5倍。”

VentureBeat的Kyle Wiggers深入挖掘了關于Loihi的一些技術細節(jié):它的開發(fā)工具鏈“包括Loihi Python API、一個編譯器和一組用于在Loihi上構(gòu)建和執(zhí)行snn的運行時庫”。它提供了一種創(chuàng)建自定義配置的神經(jīng)元和突觸圖的方法，比如衰減時間、突觸重量和尖峰閾值，以及通過自定義學習規(guī)則注入外部尖峰來模擬這些圖的方法。”

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人工智能。長和短，不要浪費時間和精力停留在傳統(tǒng)的計算機邏輯。實驗室研究讓我們更接近人類的認知。

“未來的下一代將把人工智能擴展到與人類認知相對應的領域，比如解釋和自主適應。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，而這種‘脆弱性’依賴于缺乏上下文和常識理解的事件的確定性的文字觀點。”

英特爾實驗室(Intel Labs)表示，它正在“推動計算機科學研究，為第三代人工智能做出貢獻”。主要的研究領域包括神經(jīng)形態(tài)計算，它涉及到模擬人類大腦的神經(jīng)結(jié)構(gòu)和運作，以及概率計算，它創(chuàng)建了算法方法來處理自然世界中的不確定性、模糊性和矛盾。”

2017年，英特爾將Loihi作為“第一款神經(jīng)形態(tài)研究芯片”推出。一年后，英特爾建立了一個研究社區(qū)，以進一步發(fā)展神經(jīng)形態(tài)算法、軟件和應用程序。

等等，訓練好的神經(jīng)網(wǎng)絡怎么了?他們什么時候不工作了?-高級編輯Samuel Moore在IEEE Spectrum:今天的神經(jīng)網(wǎng)絡遭受災難性的遺忘。“如果你試圖教一個訓練有素的神經(jīng)網(wǎng)絡識別新事物——比如一個新的路標——通過簡單地讓網(wǎng)絡接觸新的輸入，它會嚴重地破壞網(wǎng)絡，以至于它在識別任何事物時都會變得很糟糕。”

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特征。”