【原】從“神經(jīng)擬態(tài)”到“量子舞蹈”，英特爾披露五大前沿領(lǐng)域創(chuàng)新進(jìn)展

新用戶(hù)8447VjsA 2020-12-08

展開(kāi)全文

AI、5G、智能邊緣被認(rèn)為是真正實(shí)現(xiàn)數(shù)據(jù)價(jià)值的關(guān)鍵技術(shù)轉(zhuǎn)折點(diǎn)，而跨這些領(lǐng)域的新用例和應(yīng)用需要新的范式，需要更快、更節(jié)能、更安全和更直觀的計(jì)算。英特爾研究院此次在五個(gè)前沿技術(shù)領(lǐng)域發(fā)布的顛覆性技術(shù)是未來(lái)計(jì)算發(fā)展的放向，融合了AI、5G以及智能邊緣技術(shù)，將引領(lǐng)未來(lái)十年的技術(shù)發(fā)展方向。

硅光子

在數(shù)據(jù)中心里，新的以數(shù)據(jù)為中心的工作負(fù)載每天都在增長(zhǎng)，隨著服務(wù)器間的數(shù)據(jù)移動(dòng)不斷增加，對(duì)當(dāng)今的網(wǎng)絡(luò)基礎(chǔ)架構(gòu)提出了新的挑戰(zhàn)。行業(yè)正在迅速接近電氣I/O性能的實(shí)際極限。隨著計(jì)算帶寬需求不斷增長(zhǎng)，電氣I/O的規(guī)模無(wú)法保持同步增長(zhǎng)，從而形成了“I/O功耗墻”，限制了計(jì)算運(yùn)行的可用能源。通過(guò)在服務(wù)器和封裝中直接引入光互連I/O，我們就能打破這一限制，讓數(shù)據(jù)更有效地移動(dòng)。

2016年，英特爾推出了一款全新的硅光子產(chǎn)品“100G PSM4”。這款產(chǎn)品結(jié)合了硅電子和光學(xué)技術(shù)，能夠在獨(dú)立的硅芯片上實(shí)現(xiàn)近乎光速的數(shù)據(jù)傳輸，從而提高數(shù)據(jù)中心數(shù)據(jù)傳輸效率，同時(shí)降低成本。截止目前，英特爾已經(jīng)為客戶(hù)提供超過(guò)400萬(wàn)個(gè)100G的硅光子產(chǎn)品。而在今年的研究院開(kāi)放日活動(dòng)上，英特爾又提出了“集成光電”愿景，即將光互連I/O直接集成到服務(wù)器和封裝中，對(duì)數(shù)據(jù)中心進(jìn)行革新，實(shí)現(xiàn)1000倍提升，同時(shí)降低成本。

“現(xiàn)在是從電氣I/O遷移到光互連I/O的重要拐點(diǎn)”，英特爾首席工程師、英特爾研究院PHY研究實(shí)驗(yàn)室主任James Jaussi表示，之所以現(xiàn)在需要遷移到光互連I/O，主要有兩個(gè)原因，一個(gè)是我們正在快速接近電氣性能的物理極限，一個(gè)是I/O功耗墻，會(huì)導(dǎo)致無(wú)法計(jì)算。

他介紹了英特爾近期在集成光電五大“關(guān)鍵技術(shù)模塊”方面取得的重大創(chuàng)新，包括：

微型環(huán)調(diào)制器（micro-ring modulators）：傳統(tǒng)的芯片調(diào)制器占用面積太大，并且放置于IC封裝的成本很高。英特爾開(kāi)發(fā)的微型環(huán)調(diào)制器，將調(diào)制器尺寸縮小了1000倍以上，從而消除了將硅光子集成到計(jì)算封裝中的主要障礙。
全硅光電檢測(cè)器（all silicon photo detector）：數(shù)十年來(lái)，業(yè)界一直認(rèn)為硅實(shí)際上沒(méi)有光檢測(cè)功能，但英特爾展示的研究結(jié)果證明事實(shí)并非如此。這一突破的一大好處就是讓成本更低。
集成半導(dǎo)體光學(xué)放大器：出于降低總功耗的考慮，集成半導(dǎo)體光學(xué)放大器必不可少。該設(shè)備通過(guò)使用與集成激光器相同的材料實(shí)現(xiàn)。
集成多波長(zhǎng)激光器（Integrated multi-wavelength lasers）：使用一種稱(chēng)為波分復(fù)用（wavelength division multiplexing）的技術(shù)，可以將來(lái)自同一激光的不同波長(zhǎng)用在同一光束中傳輸更多數(shù)據(jù)，這樣就能使用單根光纜來(lái)傳輸額外數(shù)據(jù)，從而增加了帶寬密度。
集成：使用先進(jìn)的封裝技術(shù)將硅光子與CMOS芯片緊密集成，可實(shí)現(xiàn)三大優(yōu)勢(shì)：更低的功耗、更高的帶寬和更少的引腳數(shù)。英特爾是唯一一家在與CMOS芯片緊密集成的單一技術(shù)平臺(tái)上，展示了將多波長(zhǎng)激光器、半導(dǎo)體光學(xué)放大器、全硅光電檢測(cè)器以及微型環(huán)調(diào)制器集成到一起的公司，這項(xiàng)研究突破為集成光電技術(shù)的擴(kuò)展奠定了基礎(chǔ)。

英特爾此次在“集成光電”上的技術(shù)突破，是硅光子技術(shù)的一次重要升級(jí)。通過(guò)高速的光連接為數(shù)據(jù)中心鋪平未來(lái)連接的道路，以滿(mǎn)足未來(lái)快速增長(zhǎng)的數(shù)據(jù)寬帶和能效需求，讓數(shù)據(jù)中心的未來(lái)值得更多期待。

神經(jīng)擬態(tài)計(jì)算

從2015年開(kāi)始，英特爾就開(kāi)始了神經(jīng)擬態(tài)計(jì)算的研究。2017年英特爾推出了第一款自主學(xué)習(xí)的神經(jīng)擬態(tài)芯片Loihi；到2019年，英特爾推出了包含64塊Loihi的Pohoiki Beach系統(tǒng)，到2020年，英特爾最新推出的Pohoiki Springs包含768塊Loihi芯片，擁有1億個(gè)神經(jīng)元。而英特爾高級(jí)首席工程師、英特爾研究院神經(jīng)擬態(tài)計(jì)算實(shí)驗(yàn)室主任Mike Davies透露稱(chēng)，英特爾下一代神經(jīng)擬態(tài)計(jì)算系統(tǒng)預(yù)計(jì)將達(dá)到十億神經(jīng)元，并將在多個(gè)實(shí)際用例中提升性能。

神經(jīng)擬態(tài)技術(shù)靈感，來(lái)源來(lái)自我們目前對(duì)大腦結(jié)構(gòu)及其計(jì)算能力的了解。大腦的神經(jīng)網(wǎng)絡(luò)通過(guò)脈沖來(lái)傳遞信息，根據(jù)這些脈沖的時(shí)間來(lái)調(diào)節(jié)突觸強(qiáng)度或突觸連接的權(quán)重，并把這些變化存儲(chǔ)在突觸連接處，腦內(nèi)神經(jīng)網(wǎng)絡(luò)及其環(huán)境中多個(gè)區(qū)域之間的協(xié)作和競(jìng)爭(zhēng)性相互作用就產(chǎn)生了智能的行為。

Mike Davies說(shuō)神經(jīng)擬態(tài)這種計(jì)算方式，能夠更好地模擬人腦神經(jīng)元的結(jié)構(gòu)，不僅是多路的輸入和強(qiáng)度，同時(shí)還有時(shí)間先后的延遲順序。一個(gè)腦當(dāng)中可以同時(shí)學(xué)習(xí)多種任務(wù)，包括語(yǔ)音任務(wù)、視覺(jué)任務(wù)、決策任務(wù)、操作控制等等，它是多功能的。硬件上也可以具備一邊工作一邊學(xué)習(xí)的能力，也就是片上的學(xué)習(xí)能力，這些都需要突破式的發(fā)展才能做到。

Loihi芯片多個(gè)實(shí)際用例中都證實(shí)可以提升性能，在今天的英特爾研究院開(kāi)放日上，多項(xiàng)基準(zhǔn)又得到了更新：

語(yǔ)音命令識(shí)別：埃森哲測(cè)試了在英特爾Loihi芯片上識(shí)別語(yǔ)音命令的能力和在標(biāo)準(zhǔn)圖形處理單元（GPU）上識(shí)別語(yǔ)音命令的能力，發(fā)現(xiàn)Loihi不僅達(dá)到了和GPU類(lèi)似的精度，而且能效提高1000倍以上、響應(yīng)速度快200毫秒。通過(guò)英特爾神經(jīng)擬態(tài)研究社區(qū)，梅塞德斯-奔馳正在探索如何將這些結(jié)果應(yīng)用到現(xiàn)實(shí)用例中，例如在汽車(chē)中加入新的語(yǔ)音交互命令。

手勢(shì)識(shí)別：傳統(tǒng)的AI可以很好地處理大數(shù)據(jù)并識(shí)別成千上萬(wàn)個(gè)案例的模式，但它很難識(shí)別人與人之間細(xì)微的差異——比如我們用于交流的手勢(shì)。埃森哲和英特爾神經(jīng)擬態(tài)研究社區(qū)合作伙伴展示了Loihi在快速學(xué)習(xí)和識(shí)別個(gè)性化手勢(shì)方面取得的切實(shí)進(jìn)展。通過(guò)處理來(lái)自神經(jīng)擬態(tài)相機(jī)的信息，只需幾次曝光Loihi即可學(xué)習(xí)新手勢(shì)。這可以應(yīng)用于各種用例，例如與家庭中的智能產(chǎn)品進(jìn)行交互或在公共場(chǎng)所的非接觸式顯示。

圖像檢索：零售行業(yè)的研究人員評(píng)估了Loihi對(duì)基于圖像的產(chǎn)品搜索應(yīng)用。他們發(fā)現(xiàn)，在保持相同精度水平的情況下，Loihi生成圖像特征向量的效率比傳統(tǒng)的中央處理單元（CPU）和GPU解決方案提升三倍多。這一結(jié)果是對(duì)英特爾今年早些時(shí)候發(fā)布的神經(jīng)擬態(tài)研究系統(tǒng)Pohoiki Springs的相似度搜索結(jié)果的補(bǔ)充，表明Loihi在百萬(wàn)幅圖像數(shù)據(jù)庫(kù)中搜索特征向量的速度比CPU快24倍，且能耗低30倍。

優(yōu)化和搜索：英特爾及其合作伙伴發(fā)現(xiàn)，Loihi解決優(yōu)化和搜索問(wèn)題的效率比傳統(tǒng)CPU高1000倍、速度快100倍。優(yōu)化問(wèn)題，如約束滿(mǎn)足可以在邊緣端提供潛在價(jià)值，例如：讓無(wú)人機(jī)能夠?qū)崟r(shí)規(guī)劃并做出復(fù)雜的導(dǎo)航?jīng)Q策。同樣的問(wèn)題類(lèi)型也可以擴(kuò)展到復(fù)雜的數(shù)據(jù)中心負(fù)載，完成協(xié)助列車(chē)調(diào)度和物流優(yōu)化等任務(wù)。

機(jī)器人技術(shù)：羅格斯大學(xué)和代爾夫特理工大學(xué)的研究人員展示了在Loihi上運(yùn)行機(jī)器人導(dǎo)航以及微型無(wú)人機(jī)控制應(yīng)用的演示。代爾夫特理工大學(xué)的無(wú)人機(jī)使用一個(gè)包含35個(gè)神經(jīng)元，并且能演進(jìn)的脈沖網(wǎng)絡(luò)進(jìn)行光流著陸（optic flow landing），頻率超過(guò)250千赫茲。羅格斯大學(xué)發(fā)現(xiàn)，其Loihi解決方案所需的功耗比傳統(tǒng)移動(dòng)GPU低75倍，而性能卻沒(méi)有任何下降。在11月于2020機(jī)器人學(xué)習(xí)大會(huì)上發(fā)布的報(bào)告中，羅格斯大學(xué)的研究人員發(fā)現(xiàn)Loihi可以成功學(xué)習(xí)諸多OpenAI Gym的任務(wù)，其精度與深度行動(dòng)者網(wǎng)絡(luò)（Deep Actor Network）旗鼓相當(dāng)，而能耗卻比移動(dòng)GPU解決方案降低了140倍。

此外，英特爾及其合作伙伴在英特爾研究院開(kāi)放日活動(dòng)上還展示了兩個(gè)使用最先進(jìn)技術(shù)的神經(jīng)擬態(tài)機(jī)器人演示。與蘇黎世聯(lián)邦理工學(xué)院的研究人員合作，英特爾展示了Loihi如何自適應(yīng)地控制水平跟蹤無(wú)人機(jī)平臺(tái)，實(shí)現(xiàn)最高可達(dá)20千赫茲的閉環(huán)速度以及200微秒的視覺(jué)處理延遲。與傳統(tǒng)解決方案相比，這意味著效率和速度都提高了1000倍。為了解決神經(jīng)擬態(tài)軟件集成問(wèn)題，英特爾和意大利理工學(xué)院（IIT）的研究人員在IIT的iCub機(jī)器人平臺(tái)上演示了多種認(rèn)知功能在Loihi上運(yùn)行，其中包括基于快速、小樣本學(xué)習(xí)(few-shot learning)的物體識(shí)別，對(duì)學(xué)習(xí)對(duì)象的空間感知，以及對(duì)人類(lèi)互動(dòng)的實(shí)時(shí)決策。

成立于2019年的英特爾神經(jīng)擬態(tài)研究社區(qū)（INRC）英特爾為神經(jīng)擬態(tài)計(jì)算打造的生態(tài)系統(tǒng)。在僅僅一年的時(shí)間里，INRC的規(guī)模就擴(kuò)大了兩倍，目前已經(jīng)有100多家不同類(lèi)型的學(xué)術(shù)機(jī)構(gòu)、政府實(shí)驗(yàn)室、企業(yè)進(jìn)行合作，其中有10家來(lái)自全球500強(qiáng)企業(yè)，如埃森哲、空中客車(chē)、通用電氣等。今天，英特爾又宣布聯(lián)想、羅技、梅賽德斯-奔馳和機(jī)器視覺(jué)傳感器公司Prophesee加入英特爾神經(jīng)擬態(tài)研究社區(qū)，共同探索神經(jīng)擬態(tài)計(jì)算在商業(yè)用例上的價(jià)值。這表明，英特爾神經(jīng)擬態(tài)計(jì)算的特性能夠真正為企業(yè)帶來(lái)實(shí)際的優(yōu)勢(shì)，得到了企業(yè)認(rèn)可，相信未來(lái)會(huì)有更多的商業(yè)應(yīng)用運(yùn)用上神經(jīng)擬態(tài)技術(shù)。

量子舞蹈

“為什么我們需要量子計(jì)算？”在英特爾高級(jí)首席工程師、英特爾研究院量子應(yīng)用與架構(gòu)總監(jiān)Anne Matsuura看來(lái)，量子計(jì)算是用量子比特相互糾纏實(shí)現(xiàn)性能的指數(shù)級(jí)提升，可以實(shí)現(xiàn)并行的大量計(jì)算，這也讓量子計(jì)算可以解決很多經(jīng)典計(jì)算機(jī)難以解決的問(wèn)題，例如開(kāi)發(fā)加速制藥研發(fā)、設(shè)計(jì)新型材料等，最終造福每一個(gè)人。

眾所周知，傳統(tǒng)的數(shù)字計(jì)算需要把數(shù)據(jù)編碼為二進(jìn)制數(shù)字，只有0或1兩種狀態(tài)，就像硬幣的正面和反面。而量子計(jì)算使用量子位，可以同時(shí)處于多個(gè)狀態(tài)，就像一枚旋轉(zhuǎn)中的硬幣，可以同時(shí)是正面和反面！2個(gè)糾纏的量子位就可以表示同時(shí)混合的4種狀態(tài)，而n個(gè)量子位就可以代表2的n次方種狀態(tài)——50個(gè)糾纏的量子位所獲得的狀態(tài)數(shù)量就將超過(guò)任何超級(jí)計(jì)算機(jī)。而如果我們有300個(gè)糾纏的量子位，那能夠同時(shí)表示的狀態(tài)就比宇宙中原子的數(shù)量還要多。

然而，量子位非常脆弱，目前僅僅有100個(gè)量子位甚至數(shù)千個(gè)量子位，還沒(méi)有辦法造一臺(tái)商用級(jí)量子計(jì)算機(jī)。我們需要至少數(shù)百萬(wàn)個(gè)量子位，并且解決4大挑戰(zhàn)：1. 提升量子位的質(zhì)量和并測(cè)試時(shí)間—英特爾獨(dú)特的硅自旋量子位路徑具備批量生產(chǎn)高質(zhì)量量子位的潛力；量子低溫探測(cè)儀減少了開(kāi)發(fā)者寶貴的測(cè)試時(shí)間。

2. 量子位的控制—英特爾可擴(kuò)展互連的低溫量子位控制芯片技術(shù)Horse Ridge解決了這一挑戰(zhàn)。3. 糾錯(cuò)—英特爾正在開(kāi)發(fā)抗噪量子算法和錯(cuò)誤抑制技術(shù)。4. 可擴(kuò)展的全棧量子計(jì)算機(jī)，需要量子專(zhuān)用的軟件、硬件和應(yīng)用同時(shí)布局—英特爾正在編排這樣一支新的“量子舞蹈”。

今天，英特爾推出第二代低溫控制芯片Horse Ridge II，使用英特爾22納米低功耗FinFET技術(shù)（22FFL），其功能已在4開(kāi)爾文溫度下得到驗(yàn)證，這標(biāo)志著英特爾在突破量子計(jì)算可擴(kuò)展性方面取得又一個(gè)里程碑，向著量子實(shí)用性愿景邁出關(guān)鍵一步?？蓴U(kuò)展性是量子計(jì)算的最大難點(diǎn)之一。在2019年推出的第一代Horse Ridge控制器的創(chuàng)新基礎(chǔ)上，Horse Ridge II支持增強(qiáng)的功能和更高集成度，以實(shí)現(xiàn)對(duì)量子系統(tǒng)的有效控制。

英特爾第二代低溫控制芯片Horse Ridge II

新功能包括：

量子位讀數(shù)(Qubit readout)：該功能允許讀取當(dāng)前量子位狀態(tài)。該讀數(shù)意義重大，因?yàn)樗试S進(jìn)行片上低延遲量子位狀態(tài)檢測(cè)，而無(wú)需存儲(chǔ)大量數(shù)據(jù)，從而節(jié)省了內(nèi)存和功耗。

多柵極脈沖(Multigate Pulsing)：能夠同時(shí)控制多個(gè)量子位柵極的電位，這對(duì)于有效的量子位讀取以及多個(gè)量子位的糾纏和操作至關(guān)重要，并為打造更具擴(kuò)展性的系統(tǒng)奠定了基礎(chǔ)。

Anne Matsuura認(rèn)為英特爾量子計(jì)算具備以下3個(gè)獨(dú)特點(diǎn)：自旋量子位技術(shù)、低溫控制技術(shù)和全棧創(chuàng)新。“英特爾發(fā)展量子計(jì)算的方法，就是利用英特爾的優(yōu)勢(shì)，特別是利用我們?cè)谛酒碗娐分圃旃に嚪矫娴膶?zhuān)長(zhǎng)，目標(biāo)是達(dá)到量子實(shí)用性，構(gòu)建商用機(jī)量子計(jì)算機(jī)。而這些獨(dú)特優(yōu)勢(shì)將將引領(lǐng)英特爾率先實(shí)現(xiàn)這一目標(biāo)?！彼f(shuō)。

數(shù)據(jù)不共享，價(jià)值仍釋放

我們?cè)絹?lái)越需要從數(shù)據(jù)中獲得洞察，釋放數(shù)據(jù)潛力，同時(shí)需要保護(hù)數(shù)據(jù)隱私。當(dāng)前，加密解決方案主要用于保護(hù)在網(wǎng)絡(luò)中發(fā)送以及存儲(chǔ)的數(shù)據(jù)，但數(shù)據(jù)在使用過(guò)程中依然容易遭遇攻擊，而保密計(jì)算的宗旨就是保護(hù)使用中的數(shù)據(jù)。

（1）提供數(shù)據(jù)保密性，以防止機(jī)密泄露；
（2）提供執(zhí)行完整性，以防止計(jì)算被篡改；
（3）提供認(rèn)證功能，以驗(yàn)證軟硬件的真實(shí)性；

這是英特爾研究院安全智能化項(xiàng)目組首席工程師Jason Martin給出的保密計(jì)算的三個(gè)要點(diǎn)。在最新的英特爾軟件保護(hù)擴(kuò)展（Software Guard Extensions ）技術(shù)中，通過(guò)將保密性、完整性和認(rèn)證功能整合在一起，像數(shù)據(jù)保險(xiǎn)箱一樣，確保使用中的數(shù)據(jù)安全無(wú)虞。

在零售、制造、醫(yī)療、金融服務(wù)等許多行業(yè)，最大的數(shù)據(jù)集往往都被限制在多方手里的數(shù)據(jù)孤島中，這阻礙了使用機(jī)器學(xué)習(xí)工具從數(shù)據(jù)中獲得洞察。通過(guò)聯(lián)邦學(xué)習(xí)，英特爾將計(jì)算進(jìn)行了拆分，這樣就可以用各方本地的數(shù)據(jù)訓(xùn)練本地的算法，然后將獲取的信息發(fā)送至中央聚合站點(diǎn)。數(shù)據(jù)不共享，價(jià)值仍釋放，這就是Jason Martin將其視作解決數(shù)據(jù)孤島挑戰(zhàn)利器的核心原因。

如何不需要解密數(shù)據(jù)，就能處理數(shù)據(jù)？英特爾提出了“完全同態(tài)加密”的概念。完全同態(tài)加密是一種全新的加密系統(tǒng)，它允許應(yīng)用在不暴露數(shù)據(jù)的情況下，直接對(duì)加密數(shù)據(jù)執(zhí)行計(jì)算操作。不過(guò)，盡管該技術(shù)已逐漸成為委托計(jì)算中用于保護(hù)數(shù)據(jù)隱私的主要方法，但由于同態(tài)密文的篇幅比純數(shù)據(jù)大得多，導(dǎo)致開(kāi)銷(xiāo)增加，使這一技術(shù)尚未廣泛應(yīng)用。英特爾希望通過(guò)研究新的軟硬件方法，并與生態(tài)系統(tǒng)和標(biāo)準(zhǔn)機(jī)構(gòu)開(kāi)展合作，盡快普及這項(xiàng)技術(shù)。

讓軟件自己寫(xiě)軟件！

“機(jī)器編程”一詞在英特爾研究院和麻省理工學(xué)院聯(lián)合發(fā)布的《機(jī)器編程的三大支柱》論文中首次提出，旨在通過(guò)自動(dòng)化工具提升開(kāi)發(fā)效率。換句話(huà)說(shuō)，通過(guò)機(jī)器學(xué)習(xí)和其它自動(dòng)化方法，設(shè)計(jì)可以自動(dòng)編寫(xiě)軟件的軟件。

之所以有這樣的想法，英特爾首席科學(xué)家、英特爾研究院機(jī)器編程研究主任及創(chuàng)始人Justin Gottschlich解釋說(shuō)，隨著異構(gòu)時(shí)代的來(lái)臨，即由多樣化專(zhuān)用處理器組合來(lái)管理當(dāng)今的海量數(shù)據(jù)，管理這些系統(tǒng)所需的軟件變得越來(lái)越復(fù)雜，使得出現(xiàn)Bug的可能性也越來(lái)越高。此外，找到能夠?yàn)榭缂軜?gòu)的硬件正確、高效、安全地寫(xiě)代碼的程序員非常困難，這同樣也增加了代碼中出現(xiàn)難以發(fā)現(xiàn)的新錯(cuò)誤的可能性。因此，Debug代碼工作將給開(kāi)發(fā)者和整個(gè)行業(yè)帶來(lái)更高的代價(jià)。

意圖、創(chuàng)造和適應(yīng)是機(jī)器編程的三大支柱：

意圖。主要是指讓人類(lèi)向機(jī)器表達(dá)自己的想法。過(guò)去，人們的想法通過(guò)代碼實(shí)現(xiàn)時(shí)因?yàn)橄到y(tǒng)級(jí)細(xì)節(jié)存在的一些問(wèn)題，可能會(huì)導(dǎo)致方向錯(cuò)誤。這就是意圖要解決的問(wèn)題。

創(chuàng)造。是指以用戶(hù)的意圖為基礎(chǔ)，然后合成一個(gè)高級(jí)程序，創(chuàng)造符合用戶(hù)意圖的程序、數(shù)據(jù)結(jié)構(gòu)和算法。

適應(yīng)。這是一個(gè)更高階的程序，適應(yīng)系統(tǒng)接下來(lái)會(huì)對(duì)這個(gè)更高階的程序進(jìn)行轉(zhuǎn)換，以便在所處的軟件和硬件生態(tài)系統(tǒng)中以最高效率運(yùn)行，從而化解異構(gòu)硬件挑戰(zhàn)。

Justin Gottschlich表示，英特爾機(jī)器編程的最終目標(biāo)是讓每個(gè)人都能創(chuàng)建軟件。當(dāng)這一目標(biāo)完全實(shí)現(xiàn)時(shí)，每個(gè)人都可以通過(guò)自己最擅長(zhǎng)的方式，如代碼、自然語(yǔ)言或其他方式向機(jī)器表達(dá)自己的設(shè)計(jì)意圖，從而創(chuàng)建軟件。軟件開(kāi)發(fā)中，枯燥的部分將被自動(dòng)化，人們得以有更大的自由、靈活度和時(shí)間精力去創(chuàng)造。

在2019年NeurIPS大會(huì)上，英特爾發(fā)表了30多篇會(huì)議和專(zhuān)題研討會(huì)論文。其
中，《診斷軟件性能回歸的零正學(xué)習(xí)方法》提出了一種在高性能計(jì)算代碼中，自動(dòng)進(jìn)行回歸測(cè)試（由新代碼簽入引起的錯(cuò)誤）的方法AutoPerf。該方法在運(yùn)行代碼時(shí)只利用名義訓(xùn)練數(shù)據(jù)和硬件性能計(jì)數(shù)器，在應(yīng)用實(shí)踐中可以檢測(cè)到并行編程中一些最復(fù)雜的性能bug。

最新系統(tǒng)ControlFlag是英特爾將在下周NeurIPS上展示的最新成果。資料顯示，ControlFlag是完全自我監(jiān)督的機(jī)器編程系統(tǒng)，不需要人類(lèi)對(duì)其進(jìn)行訓(xùn)練，且無(wú)需提供任何人工指導(dǎo)，只需要?jiǎng)?chuàng)建系統(tǒng)的架構(gòu)，再使其讀取代碼即可。在初步測(cè)試中，ControlFlag利用超過(guò)10億行未標(biāo)記的產(chǎn)品級(jí)別的代碼進(jìn)行了訓(xùn)練并學(xué)習(xí)了新的缺陷。

結(jié)語(yǔ)：

英特爾研究院開(kāi)放日此次在五個(gè)前沿技術(shù)領(lǐng)域——集成光電、神經(jīng)擬態(tài)計(jì)算、量子計(jì)算、保密計(jì)算、機(jī)器編程上發(fā)布的技術(shù)突破令人印象深刻，代表了未來(lái)前沿技術(shù)的發(fā)展方向，讓人振奮。此次發(fā)布的技術(shù)更新充分證明了英特爾的科研實(shí)力和對(duì)技術(shù)的前瞻性，在前沿計(jì)算的實(shí)力比拼上，英特爾“更勝一籌”。