英特爾研發“自學”神經芯片 有潛力解決更加廣泛的人工智能問題

• 2017年10月26日 ZhouXun來源：億歐 999 63
• 繁體

• 

  2017-2022年中國Wi-Fi芯片行業深度分析及投資前景研究報告

  第一章 Wi-Fi芯片行業發展綜述 第一節 Wi-Fi芯片行業定義及分類 一、行業定義 二、行業主要產品分類 三、行業主要商業模式 第二節 Wi-Fi芯片行業特征分析 一、產業鏈分析 W...

對于開創者來說，這一芯片并不是公司人工智能產品事業部的一部分，而是英特爾研究院的一部分，該研究院花了約六年時間研發這一測試芯片。此外，Loihi測試芯片有一個非常不同的“自學”神經構造，有潛力解決更加廣泛的人工智能問題。

隨著Loihi測試芯片的發布，英特爾現在已經將另一芯片納入產品組合中。不過，這一個芯片有一點不同。對于開創者來說，這一芯片并不是公司人工智能產品事業部的一部分，而是英特爾研究院的一部分，該研究院花了約六年時間研發這一測試芯片。此外，Loihi測試芯片有一個非常不同的“自學”神經構造，有潛力解決更加廣泛的人工智能問題。

模擬大腦的計算機的概念并不新鮮，美國加利福尼亞理工學院的科學家卡弗·米德(Carver Mead)在20世紀80年代就開始研究這個概念，并創造了“神經元”這一術語。但是，這些在很大程度上還是讓科學項目只帶來少量的商業應用軟件。英特爾研究院高級首席工程師兼首席科學家Narayan Srinivasa在接受采訪時解釋道，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域壓縮更多的內核。Srinivasa表示，但事實上，許多工作負載無法利用所有的這些內核，這就導致了所謂的暗場硅晶現象。換句話說，始終點亮所有的晶體管效率并不高。為了解決這個問題，該行業既需要一個更高效的結構，也需要能利用所有內核的互補性工作負載。

英特爾和其他公司受到大腦設計的啟發，因為大腦做什么事的效率都很高。估計人腦大約有1000億個神經元，每一個神經元有1萬個突觸連接——或者總共有1千萬億個突觸，但是運行所需的能量比燈泡要少。當然，神經形態芯片還無法接近這種規模。但14納米的Loihi測試芯片被分為128個群集，每一個群集包含1024個神經元，總共約有13萬個神經元，散布著1.3億個突觸。

但芯片運行的原理是類似的，至少在我們了解大腦如何工作的范圍內是如此。當發送到神經元的脈沖或“尖波”達到一定的激活水平時，它會將突觸上的信號發送到其他神經元。不過，大部分的活動都發生在“易變化的”突觸上，意味著突觸可以從這些變化中學到東西并存儲這些新信息。不像擁有單獨計算和存儲器的常規系統，神經形態芯片擁有許多存儲器(在這種情況下為SRAM高速緩存)，安裝在靠近計算引擎的位置。

這些脈沖神經網絡中沒有全局時鐘，只有在神經元達到激活水平時，神經元才會發光。而其余時間神經元都是黑暗狀態。這種異步操作使得神經形態芯片比“永遠開啟”的CPU或GPU更加節能高效。異步操作技術來源于半導體公司Fulcrum Microsystems，英特爾在2011年收購了這家開發以太網交換芯片的公司。但Srinivasan表示，這只是“用于其他技術的嘯聲”。

這也使得脈沖神經網絡有望成為其他學習模式的解決方案。GPU非常適用于監督學習，因為這些深層神經網絡可以使用大量標簽數據進行離線訓練，這些數據可以讓大陣列處理器保持忙綠狀態。然后，這些模式被轉移到所謂的“推理”程序中，在中央處理器，現場可編程門陣列或專用集成電路上運行。神經形態芯片也可以用于監督學習，但是由于它們本質上更有效率，所以脈沖神經網絡也應是使用稀疏數據的無監督或強化學習的理想選擇。這方面不錯的示例就包括智能視頻監控和機器人技術。

Loihi測試芯片并不是第一個神經形態芯片。IBM的TrueNorth，它是DARPA長期研究項目的一部分，它也許是最知名的。但也有其他的例子，比如斯坦福大學的Neurogrid，海德堡大學的BrainScaleS系統和曼徹斯特大學的SpiNNaker。這些都依賴于擁有多個離線訓練芯片的板卡(在某些情況下還擁有模擬電路)。英特爾表示，Loihi測試芯片可以用于實時培訓和推理，并且隨著時間的推移不斷學習，越來越擅長它所做的事情。Srinivasa說：“我們是唯一一個在單一芯片上就可以處理所有這些學習模式的公司。”

全數字設計實際上包含兩個14納米的芯片，一個簡單的x86處理器，可以在同一個程序包中進行大量的預處理(收集數據，將數據編碼成適合于脈沖神經網絡的格式，并將其傳輸到神經形態芯片)，以及做出神經形態網格。Loihi測試芯片不是協同處理器;盡管系統細節仍在制定之中，x86芯片將會擁有引導環境和輕量級操作系統，并充當主機。

第一批芯片將在11月份進行制作，計劃在2018年上半年與“專注推動人工智能發展的一流大學和研究機構”一同進行測試。屆時，英特爾還計劃完成一個軟件工具，可以更易于轉換數據流圖來運行作為監督，無監督和強化學習的脈沖神經網絡。

Loihi測試芯片神經元的數量和鼴鼠大腦中的數量大致相同，而Loihi測試芯片是一個相對較小的神經形態芯片，但英特爾表示，利用公司先進的工藝技術，可以輕松擴展這一架構。Srinivasa說：“沒有什么可以阻止我們做更多有關神經元和突觸的工作，因為它們都是一樣的。”

但是，目前這仍只是一個研究項目。的確，Loihi的名字可能傳達了這么一個微妙的信息，告訴我們還有多少工作要做。位于夏威夷島海岸的羅希火山是夏威夷海底山中唯一的火山，這座海底山還處于早期發展階段。這些海底火山經歷了幾千年的循環爆發，熔巖積累和侵蝕，慢慢形成了島嶼。希望人工智能的下一個重大突破不會花那么長的時間才能出現。

延伸閱讀

推薦閱讀

猜您喜歡