英特爾推出全新自主學習芯片――Loihi測驗芯片
Michael C. Mayberry博士現(xiàn)任英特爾公司副總裁兼英特爾研究院院長，負責英特爾在計算和通信領域的全球研究工作。此外，他還領導公司研究委員會，負責推動英特爾大學定向研究項目的資源調(diào)配與優(yōu)先排序。
自從1984年加入英特爾公司并擔任制程集成工程師以來，Mayberry博士曾在公司的多個職位任職。作為加州技術開發(fā)團隊的成員，他開發(fā)了EPROM、閃存和邏輯晶圓制造工藝。1994年，他加入晶圓測驗技術開發(fā)團隊，負責英特爾微處理器測驗流程的路線圖制定與開發(fā)工作。2005年，他進入組件研究團隊，負責為英特爾的技術開發(fā)部門提供未來制程的選項。
Mayberry博士于1983年在加州大學伯克利分校獲得物理化學博士學位，并于1978年在米*詞語被過濾*學院獲得化學與數(shù)學學士學位。
正文內(nèi)容：
想象一下――未來，我們可以更加快速的對復雜問題做出決策并且能隨時自動調(diào)整，很多社會和工業(yè)問題也都可以通過自主學習經(jīng)驗來自動搞定。未來，一線救援人員可以通過圖片識別分析街道攝像頭畫面，并快速解救失蹤或被綁架的人。未來，交通信號燈會根據(jù)交通流量自動調(diào)整變燈時間，控制起步停車的時間從而減少交通擁堵。未來，機器人將變得更加自主化，性能效率也都會顯著提升。
隨著從高度動態(tài)、非結構化自然數(shù)據(jù)中進行收集、分析和決策的需要越來越高，對計算的需要也超越了經(jīng)典的處理器和GPU架構。為了跟上技術發(fā)展的步伐，并推動PC和服務器以外的計算，英特爾過去六年來一直在研究能夠加快經(jīng)典計算平臺的專用架構。最近英特爾還加大了對人工智能（AI）和神經(jīng)擬態(tài)計算的投資和研究。
我們在神經(jīng)擬態(tài)計算領域的研究工作是基于幾十年來的研究與合作，這項研究是由加州理工學院Carver Mead教授最先開始的，他以半導體規(guī)劃的基礎性工作而聞名。芯片專業(yè)知識、物理學和生物學的結合為新想法的創(chuàng)造提供了一個良好的環(huán)境。這些想法非常簡單，卻具有革命性：將機器與人腦進行比較。該研究領域?qū)⒏叨葏f(xié)作和不斷支持科學的進一步發(fā)展。
作為英特爾研究院的一個研究課題，英特爾開發(fā)了代號為Loihi的第一款自主學習神經(jīng)擬態(tài)芯片， 它模仿了大腦根據(jù)環(huán)境的各種反饋來學習如何操作的運作方式。這是一種非常節(jié)能的芯片，它利用數(shù)據(jù)來學習并做出推斷，隨著時間的推移變得更加的智能，并且不需要以傳統(tǒng)方式進行訓練。它采用一種新穎的方式通過異步脈沖來計算。
我們認為人工智能還處于初級階段，Loihi等更多的架構和方式將不斷涌現(xiàn)，從而提升人工智能的標準。神經(jīng)擬態(tài)計算的靈感來自我們現(xiàn)在對大腦結構及其計算能力的了解。大腦的神經(jīng)網(wǎng)絡通過脈沖來傳遞信息，根據(jù)這些脈沖的時間來調(diào)節(jié)突觸強度或突觸連接的權重，并把這些變化儲存在突觸連接處。腦內(nèi)神經(jīng)網(wǎng)絡及其環(huán)境中多個區(qū)域之間的協(xié)作和競爭性相互作用就產(chǎn)生了智能的行為。
機器學習，如深度學習，通過運用大量的訓練數(shù)據(jù)集來識別物體和事件，最近取得了巨大的進步。但是，除非這些訓練數(shù)據(jù)集考慮到特定的元素、條件或環(huán)境，否則這些機器學習系統(tǒng)不能得到很好地泛化。
自主學習芯片的潛在好處是無窮無盡的。例如它能夠把一個人在各種狀況下――慢跑后、吃飯前或睡覺前――的心跳數(shù)據(jù)提供給一個基于神經(jīng)擬態(tài)的系統(tǒng)，來解析這些數(shù)據(jù)，確定各種狀況下的“正?！毙奶?。這個系統(tǒng)隨后連續(xù)監(jiān)測傳入的心跳數(shù)據(jù)，以標記出與“正?！毙奶Ｊ讲幌喾那闆r。這個系統(tǒng)還可以針對任何用戶提供個性化服務。
這種類型的邏輯也適用于其它的使用場景，例如：網(wǎng)絡安全，由于系統(tǒng)已經(jīng)學習了各種狀況下的“常態(tài)“模式，因此當數(shù)據(jù)流中出現(xiàn)異?；虿灰粯拥臅r候，就可以識別出漏洞或黑客攻擊。
英特爾推出Loihi測驗芯片
Loihi研究測驗芯片包括模仿大腦基本機制的數(shù)字電路，從而讓機器學習變得更快、更高效，同時對計算力的需要更小。神經(jīng)擬態(tài)芯片模型的靈感來自于神經(jīng)元通信和學習的方式，利用了可根據(jù)時間調(diào)節(jié)的脈沖和可塑觸突。這將幫助計算機在模式和關聯(lián)的基礎上實現(xiàn)自組織并做出決策。
Loihi測驗芯片提供高度靈活的片上學習能力，并把訓練和推斷整合到一個芯片上。這讓機器實現(xiàn)自動化，并實時進行調(diào)整，無需等待來自云端的下一次更新。研究人員已證實，與其他典型的脈沖神經(jīng)網(wǎng)絡相比，在搞定MNIST數(shù)字識別問題時，以實現(xiàn)一定準確率所需要的總操作數(shù)來看，Loihi芯片學習速度提升了100萬倍。與卷積神經(jīng)網(wǎng)絡和深度學習神經(jīng)網(wǎng)絡相比，Loihi測驗芯片在同樣的任務中需要的資源更少。
這種測驗芯片的自主學習功能具有巨大的潛力，可以改進汽車和工業(yè)使用以及個人機器人――包括任何在非結構化環(huán)境下得益于自主操作和連續(xù)學習的使用，例如，識別汽車或自行車的運動。
此外，與訓練人工智能系統(tǒng)的通用計算芯片相比，Loihi芯片的能效提升了1000倍。2018年上半年，英特爾將與著名大學和研究機構共享Loihi測驗芯片，致力于進步人工智能。
更多亮點
Loihi測驗芯片的功能特點包括：
全異步神經(jīng)擬態(tài)多核心網(wǎng)絡，支持多種稀疏、分層和循環(huán)神經(jīng)網(wǎng)絡拓撲結構。每個神經(jīng)元可以與成千上萬個其它神經(jīng)元通信。
每個神經(jīng)形態(tài)核心都包含一個學習引擎，在操作中可以通過編程去適配網(wǎng)絡參數(shù)，支持監(jiān)督學習、無監(jiān)督學習、強化學習和其他的學習范式。
芯片的制造采用了英特爾14納米制程技術。
共有13萬個神經(jīng)元和1.3億個觸突。
以極高的算法效率開發(fā)并測驗了多種算法，以搞定以下問題：路徑規(guī)劃、約束滿足、稀疏編碼、字典學習，以及動態(tài)模式學習與適配。
下一步計劃
在計算機和算法創(chuàng)新的推動下，人工智能的變革性力量估計將對社會產(chǎn)生重大影響?，F(xiàn)在，英特爾正在運用自身的優(yōu)勢，推動摩爾定律和制造領先地位，為市場帶來各種產(chǎn)品――英特爾至強處理器、英特爾 Nervana技術、英特爾Movidius技術和英特爾FPGAs ――以便從網(wǎng)絡邊緣到數(shù)據(jù)中心和云計算平臺，來滿足人工智能計算任務的獨特需要。
通用計算和定制硬件和軟件都能在各個尺度上充分發(fā)揮作用。英特爾至強融核處理器，廣泛使用于科學計算，已經(jīng)產(chǎn)生了一些世界上最大的模型，來解釋大規(guī)模的科學問題。而Movidius神經(jīng)計算棒則能夠在只消耗1瓦特功率的情況下部署之前的訓練模型。
隨著人工智能計算任務變得越來越多樣化和復雜，研究人員將關心當前主流計算架構的局限性，提出新的顛覆性方式。展望未來，英特爾認為，神經(jīng)擬態(tài)計算帶來了一種方式，以相似大腦的結構來提供超大規(guī)模的計算性能。
隨著我們把神經(jīng)擬態(tài)計算這樣的概念推向主流，以支持未來50年的世界經(jīng)濟，我希望大家未來幾個月繼續(xù)關心來自英特爾研究院的激動人心的里程碑事件。在神經(jīng)擬態(tài)計算普及的未來，隨著智能和決策變得更加的順暢、快速，你所能想象的一切――甚至超越你想象的事情――都會變成現(xiàn)實。
英特爾開發(fā)創(chuàng)新計算架構的愿景依舊堅定不移，我們之所以了解未來計算的面貌，是因為我們?nèi)缃裾陂_發(fā)它。
該文章被收錄于：
編程器 ? https://www.chinafix.com/zt/1877-1.html
評論 (0)