|
能聽(tīng)、能說(shuō)、能讀、能寫(xiě)…… 人工智能要掌握如此多項(xiàng)技能 必須擁有高效的計(jì)算力支撐 現(xiàn)在，英特爾正在研發(fā)新一代人工智能芯片 集成超過(guò)13 萬(wàn)個(gè)神經(jīng)元和1.3 億個(gè)突觸 用復(fù)制神經(jīng)的方式進(jìn)行運(yùn)算和思考 讓創(chuàng)新科技，開(kāi)創(chuàng)人工智能新紀(jì)元  本文作者：英特爾公司全球副總裁兼英特爾實(shí)驗(yàn)室研究主任 Michael Mayberry博士
我們對(duì)于大量動(dòng)態(tài)的、非結(jié)構(gòu)化的自然數(shù)據(jù)的收集、分析和決策的日益增長(zhǎng)的需求，正在驅(qū)動(dòng)對(duì)于強(qiáng)大的計(jì)算力逐漸增長(zhǎng)的需求，這一需求或許已經(jīng)超過(guò)了傳統(tǒng)CPU或者GPU計(jì)算力增長(zhǎng)的速度。為了讓科技創(chuàng)新與時(shí)代發(fā)展的速度保持一致，英特爾在過(guò)去六年中一直在致力于研究特定架構(gòu)的研發(fā)來(lái)加速傳統(tǒng)IT架構(gòu)變革。例如最近，英特爾正大力投入人工智能和神經(jīng)元計(jì)算的研發(fā)。 我們?cè)谏窠?jīng)元計(jì)算領(lǐng)域的工作一開(kāi)始建立在與加利福尼亞理工學(xué)院教授Carver Mead的合作之上，Carver教授在半導(dǎo)體設(shè)計(jì)領(lǐng)域享有盛名。芯片科學(xué)、物理學(xué)和生物學(xué)的結(jié)合為新想法的誕生提供了新的土壤。這一想法簡(jiǎn)單，但具有革命性：依照人類大腦開(kāi)發(fā)機(jī)器。這一領(lǐng)域的研究逐漸獲得了更多學(xué)科的支持和合作。  作為英特爾研究院工作的一部分，英特爾發(fā)布了其第一款代號(hào)為Loihi的自我學(xué)習(xí)神經(jīng)元芯片，通過(guò)基于環(huán)境的各種反饋學(xué)習(xí)模式來(lái)模擬大腦的功能。這能利用數(shù)據(jù)來(lái)學(xué)習(xí)和推理的高效芯片，能實(shí)現(xiàn)自我進(jìn)化，也不需要以傳統(tǒng)的方式進(jìn)行訓(xùn)練，而是使用異步脈沖的方式進(jìn)行計(jì)算。 我們相信，AI正處在生命中的嬰兒期，更多類似Loihi這樣的全新架構(gòu)和研究方法將不斷涌現(xiàn)，并將拓展AI的應(yīng)用領(lǐng)域。大腦的神經(jīng)網(wǎng)絡(luò)依賴于神經(jīng)脈沖或者突觸的信息，人類腦海中和現(xiàn)實(shí)中的自主行為，也正是起源于大腦神經(jīng)網(wǎng)絡(luò)不同區(qū)域間的協(xié)作和競(jìng)爭(zhēng)。 通過(guò)大量的訓(xùn)練，依賴機(jī)器學(xué)習(xí)的深度學(xué)習(xí)模型已經(jīng)在認(rèn)知層面上取得了重大突破。然而，機(jī)器學(xué)習(xí)依然有它的弊端。如果不提前預(yù)設(shè)好特定的元素、解決方案以及場(chǎng)景作為訓(xùn)練模型，機(jī)器學(xué)習(xí)的適用性并不盡如人意。 相較于機(jī)器學(xué)習(xí)，自我學(xué)習(xí)型芯片的潛力是不可限量的。我們以心率監(jiān)測(cè)為例：一個(gè)人的心率會(huì)根據(jù)不同的狀態(tài)而改變，在慢跑后、餐后或睡前，人的心率往往會(huì)有不同的變化。神經(jīng)計(jì)算系統(tǒng)將會(huì)在變化多端的心率數(shù)據(jù)中， 自行辨別出一個(gè)“正?！毙穆?，從而，系統(tǒng)便可以根據(jù)這個(gè)模型持續(xù)監(jiān)測(cè)心率。這意味著，機(jī)器學(xué)習(xí)系統(tǒng)可以為每個(gè)人量身定制不同的算法。  這套邏輯同樣適用于其他場(chǎng)景。例如網(wǎng)絡(luò)安全。系統(tǒng)會(huì)在日常監(jiān)測(cè)中自動(dòng)辨別出一個(gè)“正?！钡臄?shù)據(jù)流量，當(dāng)數(shù)據(jù)發(fā)聲泄露時(shí)，數(shù)據(jù)量會(huì)發(fā)生異變，這種情況下，神經(jīng)計(jì)算系統(tǒng)將會(huì)及時(shí)辨認(rèn)出這種數(shù)據(jù)波動(dòng)，為網(wǎng)絡(luò)安全保駕護(hù)航。 推出Loihi實(shí)驗(yàn)芯片 正處在研發(fā)階段的英特爾Loihi神經(jīng)元芯片通過(guò)神經(jīng)元之間的脈沖模式進(jìn)行數(shù)據(jù)傳輸，完全模仿了人類大腦的功能，從而賦予芯片從環(huán)境反饋中“自我學(xué)習(xí)”的能力。神經(jīng)形態(tài)芯片模型的靈感來(lái)自于神經(jīng)元通信和學(xué)習(xí)的方式，利用了可根據(jù)時(shí)間調(diào)節(jié)的脈沖和塑料觸突?；谀Ｊ胶完P(guān)聯(lián)，這將幫助計(jì)算機(jī)實(shí)現(xiàn)自組織，做出決策。 Loihi芯片提供了非常靈活的片上學(xué)習(xí)能力，將訓(xùn)練和推理整合至同一塊芯片上。這幫助機(jī)器實(shí)現(xiàn)自動(dòng)化，實(shí)時(shí)調(diào)整，而無(wú)需等待來(lái)自云計(jì)算平臺(tái)的下一次信息更新。研究人員已證明，與其他典型的脈沖神經(jīng)網(wǎng)絡(luò)相比，在解決MNIST數(shù)字識(shí)別問(wèn)題時(shí)，以實(shí)現(xiàn)一定準(zhǔn)確率所需要的總操作數(shù)來(lái)看，Loihi芯片學(xué)習(xí)速度提高了100萬(wàn)倍。 在優(yōu)化汽車和工業(yè)應(yīng)用，以及個(gè)人機(jī)器人方面，這款測(cè)試芯片的自學(xué)能力帶來(lái)了巨大潛力，例如識(shí)別汽車或自行車的運(yùn)動(dòng)。在非結(jié)構(gòu)化環(huán)境中，這些應(yīng)用可以受益于自動(dòng)化操作和持續(xù)學(xué)習(xí)。 此外，與通常用于訓(xùn)練人工智能系統(tǒng)的芯片相比，Loihi芯片的能效提升了1000倍。 2018年上半年，英特爾將與部分大學(xué)和研究機(jī)構(gòu)分享Loihi測(cè)試芯片。 技術(shù)亮點(diǎn) Loihi自我學(xué)習(xí)神經(jīng)元芯片的技術(shù)亮點(diǎn)包括：
在計(jì)算機(jī)和算法創(chuàng)新的推動(dòng)下，人工智能的變革性力量預(yù)計(jì)將給社會(huì)帶來(lái)重大影響。今天，英特爾仍在繼續(xù)驅(qū)動(dòng)摩爾定律的發(fā)展，并且持續(xù)發(fā)揮自身硬件制造行業(yè)領(lǐng)導(dǎo)者的優(yōu)勢(shì)，為用戶帶來(lái)全新的英特爾至強(qiáng)可擴(kuò)展處理器、英特爾Nervana技術(shù)、英特爾Movidius技術(shù)、以及英特爾FPGAs技術(shù)。這些技術(shù)，都將賦予人工智能開(kāi)發(fā)向云端和數(shù)據(jù)端遷移的能力。 在人工智能領(lǐng)域，通用計(jì)算技術(shù)和用戶端的軟、硬件都將大有作為。被廣泛用于科研計(jì)算的英特爾至強(qiáng)融核處理器已經(jīng)能夠幫助解決大量的科學(xué)難題。Movidius 神經(jīng)計(jì)算棒也是先前訓(xùn)練模型的1瓦特部署案例。  在人工智能工作負(fù)載日益趨向多元化和復(fù)雜化的今天，英特爾的產(chǎn)品將幫助人工智能技術(shù)無(wú)限接近主要計(jì)算體系結(jié)構(gòu)的邊界，并促成顛覆性解決方案。展望未來(lái)，英特爾相信，通過(guò)模仿大腦工作的方式，神經(jīng)計(jì)算將為我們帶來(lái)百億億次級(jí)別的計(jì)算量。 我們真誠(chéng)地希望這次里程碑似的發(fā)布能夠引起社會(huì)廣泛的關(guān)注，因?yàn)橛⑻貭栒趯⑸窠?jīng)計(jì)算等前瞻性概念推向主流科研領(lǐng)域，這對(duì)于世界未來(lái)50年的經(jīng)濟(jì)發(fā)展有著重要的意義。在神經(jīng)計(jì)算的幫助下，未來(lái)，一切皆有可能！ 英特爾在計(jì)算架構(gòu)創(chuàng)新發(fā)展上的愿景始終堅(jiān)定不移。并且從今天開(kāi)始，英特爾已經(jīng)開(kāi)始打造未來(lái)的計(jì)算。
|
|
|
