英特爾研發(fā)“自學(xué)”神經(jīng)芯片 有潛力解決更加廣泛的人工智能問(wèn)題

• 2017年10月26日 ZhouXun來(lái)源：億歐 999 63
• 繁體

• 

  2017-2022年中國(guó)Wi-Fi芯片行業(yè)深度分析及投資前景研究報(bào)告

  第一章 Wi-Fi芯片行業(yè)發(fā)展綜述 第一節(jié) Wi-Fi芯片行業(yè)定義及分類(lèi) 一、行業(yè)定義 二、行業(yè)主要產(chǎn)品分類(lèi) 三、行業(yè)主要商業(yè)模式 第二節(jié) Wi-Fi芯片行業(yè)特征分析 一、產(chǎn)業(yè)鏈分析 W...

對(duì)于開(kāi)創(chuàng)者來(lái)說(shuō)，這一芯片并不是公司人工智能產(chǎn)品事業(yè)部的一部分，而是英特爾研究院的一部分，該研究院花了約六年時(shí)間研發(fā)這一測(cè)試芯片。此外，Loihi測(cè)試芯片有一個(gè)非常不同的“自學(xué)”神經(jīng)構(gòu)造，有潛力解決更加廣泛的人工智能問(wèn)題。

隨著Loihi測(cè)試芯片的發(fā)布，英特爾現(xiàn)在已經(jīng)將另一芯片納入產(chǎn)品組合中。不過(guò)，這一個(gè)芯片有一點(diǎn)不同。對(duì)于開(kāi)創(chuàng)者來(lái)說(shuō)，這一芯片并不是公司人工智能產(chǎn)品事業(yè)部的一部分，而是英特爾研究院的一部分，該研究院花了約六年時(shí)間研發(fā)這一測(cè)試芯片。此外，Loihi測(cè)試芯片有一個(gè)非常不同的“自學(xué)”神經(jīng)構(gòu)造，有潛力解決更加廣泛的人工智能問(wèn)題。

模擬大腦的計(jì)算機(jī)的概念并不新鮮，美國(guó)加利福尼亞理工學(xué)院的科學(xué)家卡弗·米德(Carver Mead)在20世紀(jì)80年代就開(kāi)始研究這個(gè)概念，并創(chuàng)造了“神經(jīng)元”這一術(shù)語(yǔ)。但是，這些在很大程度上還是讓科學(xué)項(xiàng)目只帶來(lái)少量的商業(yè)應(yīng)用軟件。英特爾研究院高級(jí)首席工程師兼首席科學(xué)家Narayan Srinivasa在接受采訪(fǎng)時(shí)解釋道，公司為什么選擇走這一條路。

摩爾定律放緩讓英特爾可以在特定區(qū)域壓縮更多的內(nèi)核。Srinivasa表示，但事實(shí)上，許多工作負(fù)載無(wú)法利用所有的這些內(nèi)核，這就導(dǎo)致了所謂的暗場(chǎng)硅晶現(xiàn)象。換句話(huà)說(shuō)，始終點(diǎn)亮所有的晶體管效率并不高。為了解決這個(gè)問(wèn)題，該行業(yè)既需要一個(gè)更高效的結(jié)構(gòu)，也需要能利用所有內(nèi)核的互補(bǔ)性工作負(fù)載。

英特爾和其他公司受到大腦設(shè)計(jì)的啟發(fā)，因?yàn)榇竽X做什么事的效率都很高。估計(jì)人腦大約有1000億個(gè)神經(jīng)元，每一個(gè)神經(jīng)元有1萬(wàn)個(gè)突觸連接——或者總共有1千萬(wàn)億個(gè)突觸，但是運(yùn)行所需的能量比燈泡要少。當(dāng)然，神經(jīng)形態(tài)芯片還無(wú)法接近這種規(guī)模。但14納米的Loihi測(cè)試芯片被分為128個(gè)群集，每一個(gè)群集包含1024個(gè)神經(jīng)元，總共約有13萬(wàn)個(gè)神經(jīng)元，散布著1.3億個(gè)突觸。

但芯片運(yùn)行的原理是類(lèi)似的，至少在我們了解大腦如何工作的范圍內(nèi)是如此。當(dāng)發(fā)送到神經(jīng)元的脈沖或“尖波”達(dá)到一定的激活水平時(shí)，它會(huì)將突觸上的信號(hào)發(fā)送到其他神經(jīng)元。不過(guò)，大部分的活動(dòng)都發(fā)生在“易變化的”突觸上，意味著突觸可以從這些變化中學(xué)到東西并存儲(chǔ)這些新信息。不像擁有單獨(dú)計(jì)算和存儲(chǔ)器的常規(guī)系統(tǒng)，神經(jīng)形態(tài)芯片擁有許多存儲(chǔ)器(在這種情況下為SRAM高速緩存)，安裝在靠近計(jì)算引擎的位置。

這些脈沖神經(jīng)網(wǎng)絡(luò)中沒(méi)有全局時(shí)鐘，只有在神經(jīng)元達(dá)到激活水平時(shí)，神經(jīng)元才會(huì)發(fā)光。而其余時(shí)間神經(jīng)元都是黑暗狀態(tài)。這種異步操作使得神經(jīng)形態(tài)芯片比“永遠(yuǎn)開(kāi)啟”的CPU或GPU更加節(jié)能高效。異步操作技術(shù)來(lái)源于半導(dǎo)體公司Fulcrum Microsystems，英特爾在2011年收購(gòu)了這家開(kāi)發(fā)以太網(wǎng)交換芯片的公司。但Srinivasan表示，這只是“用于其他技術(shù)的嘯聲”。

這也使得脈沖神經(jīng)網(wǎng)絡(luò)有望成為其他學(xué)習(xí)模式的解決方案。GPU非常適用于監(jiān)督學(xué)習(xí)，因?yàn)檫@些深層神經(jīng)網(wǎng)絡(luò)可以使用大量標(biāo)簽數(shù)據(jù)進(jìn)行離線(xiàn)訓(xùn)練，這些數(shù)據(jù)可以讓大陣列處理器保持忙綠狀態(tài)。然后，這些模式被轉(zhuǎn)移到所謂的“推理”程序中，在中央處理器，現(xiàn)場(chǎng)可編程門(mén)陣列或?qū)Ｓ眉呻娐飞线\(yùn)行。神經(jīng)形態(tài)芯片也可以用于監(jiān)督學(xué)習(xí)，但是由于它們本質(zhì)上更有效率，所以脈沖神經(jīng)網(wǎng)絡(luò)也應(yīng)是使用稀疏數(shù)據(jù)的無(wú)監(jiān)督或強(qiáng)化學(xué)習(xí)的理想選擇。這方面不錯(cuò)的示例就包括智能視頻監(jiān)控和機(jī)器人技術(shù)。

Loihi測(cè)試芯片并不是第一個(gè)神經(jīng)形態(tài)芯片。IBM的TrueNorth，它是DARPA長(zhǎng)期研究項(xiàng)目的一部分，它也許是最知名的。但也有其他的例子，比如斯坦福大學(xué)的Neurogrid，海德堡大學(xué)的BrainScaleS系統(tǒng)和曼徹斯特大學(xué)的SpiNNaker。這些都依賴(lài)于擁有多個(gè)離線(xiàn)訓(xùn)練芯片的板卡(在某些情況下還擁有模擬電路)。英特爾表示，Loihi測(cè)試芯片可以用于實(shí)時(shí)培訓(xùn)和推理，并且隨著時(shí)間的推移不斷學(xué)習(xí)，越來(lái)越擅長(zhǎng)它所做的事情。Srinivasa說(shuō)：“我們是唯一一個(gè)在單一芯片上就可以處理所有這些學(xué)習(xí)模式的公司。”

全數(shù)字設(shè)計(jì)實(shí)際上包含兩個(gè)14納米的芯片，一個(gè)簡(jiǎn)單的x86處理器，可以在同一個(gè)程序包中進(jìn)行大量的預(yù)處理(收集數(shù)據(jù)，將數(shù)據(jù)編碼成適合于脈沖神經(jīng)網(wǎng)絡(luò)的格式，并將其傳輸?shù)缴窠?jīng)形態(tài)芯片)，以及做出神經(jīng)形態(tài)網(wǎng)格。Loihi測(cè)試芯片不是協(xié)同處理器;盡管系統(tǒng)細(xì)節(jié)仍在制定之中，x86芯片將會(huì)擁有引導(dǎo)環(huán)境和輕量級(jí)操作系統(tǒng)，并充當(dāng)主機(jī)。

第一批芯片將在11月份進(jìn)行制作，計(jì)劃在2018年上半年與“專(zhuān)注推動(dòng)人工智能發(fā)展的一流大學(xué)和研究機(jī)構(gòu)”一同進(jìn)行測(cè)試。屆時(shí)，英特爾還計(jì)劃完成一個(gè)軟件工具，可以更易于轉(zhuǎn)換數(shù)據(jù)流圖來(lái)運(yùn)行作為監(jiān)督，無(wú)監(jiān)督和強(qiáng)化學(xué)習(xí)的脈沖神經(jīng)網(wǎng)絡(luò)。

Loihi測(cè)試芯片神經(jīng)元的數(shù)量和鼴鼠大腦中的數(shù)量大致相同，而Loihi測(cè)試芯片是一個(gè)相對(duì)較小的神經(jīng)形態(tài)芯片，但英特爾表示，利用公司先進(jìn)的工藝技術(shù)，可以輕松擴(kuò)展這一架構(gòu)。Srinivasa說(shuō)：“沒(méi)有什么可以阻止我們做更多有關(guān)神經(jīng)元和突觸的工作，因?yàn)樗鼈兌际且粯拥??！?/p>

但是，目前這仍只是一個(gè)研究項(xiàng)目。的確，Loihi的名字可能傳達(dá)了這么一個(gè)微妙的信息，告訴我們還有多少工作要做。位于夏威夷島海岸的羅?；鹕绞窍耐暮５咨街形ㄒ坏幕鹕剑@座海底山還處于早期發(fā)展階段。這些海底火山經(jīng)歷了幾千年的循環(huán)爆發(fā)，熔巖積累和侵蝕，慢慢形成了島嶼。希望人工智能的下一個(gè)重大突破不會(huì)花那么長(zhǎng)的時(shí)間才能出現(xiàn)。

延伸閱讀

推薦閱讀

猜您喜歡