768颗芯片、1亿个神经元!电脑追上小型哺乳动物脑容量,迄今最强神经拟态系统诞生
研究人员将著名科学家罗莎琳·富兰克林造型的摇头娃娃作为训练工具,360度旋转,让Loihi全方位记住罗莎琳。训练一次后,Loihi便能在4秒内在一些有橡胶鸭子、玩具大象和摇头娃娃的图片中,快速辨别出罗莎琳摇头娃娃。而这个实验只用了Loihi不到1%的芯片资源。 ▲Mike Davies手持科学家罗莎林·富兰克林造型的摇头娃娃,让Loihi芯片能快速学会识别它 这只是令人兴奋的小例子之一。随后,英特尔和INRC的研究人员还将Loihi芯片成功应用在实时识别手势、使用新型人造皮肤读取盲文、使用学习到的视觉地标来确定方向等多种任务中,所有这些功能仅仅消耗数十毫瓦的能量。 二、超低延时、超低功耗,比量子系统先落地Mike告诉我们,神经拟态计算相较传统计算架构的一大优势不在于吞吐量,而在于超低延时。 尽管传统计算架构非常擅长调用大量数据并行,但它们得先积累所有数据样本,然后才能做计算处理。 神经拟态计算架构则不然,它可以几乎实时地从数据中学习、计算和产生答案,最终做出的预测可能比传统机器学习模型的预测更为准确。 数据中心就对低延时的需求非常大,例如一家购物网站的推荐系统,就要求在顾客购物时尽可能无延时的瞬间生成推荐。 此外,超低功耗也是神经拟态计算的亮点。“功率限制会影响计算系统的运营成本,因此降低功耗非常必要。”Mike说。 能耗是能源消耗是大规模AI部署的障碍,马萨诸塞大学大学的研究人员表示,开发一个单一的AI模型,可以产生相当于五辆美国普通汽车的终身碳排放量。 而神经拟态计算之所以能带来能效的提升,关键在于实现存储和计算的完全融合。这种存算一体的结构,最小化了数据传输的距离,节约了传统计算架构中处理单元和存储器间通信所消耗的时间和功耗。 那么同样都支持大规模运算任务,神经拟态系统和量子系统有怎样的区别? Mike认为,两者的不同点在于正式使用的大体时间范围。 英特尔现在已经有了可使用的支持1亿神经元的神经拟态系统,但距离拥有1亿量子比特的计算系统还很遥远。 建立在叠加性质的量子系统拥有独特的优势,Mike表示,在某些任务中,它的理论可扩展性要超过神经拟态系统。 “但我们的特有优势是现在就可以用上,这是因为神经拟态系统和传统计算系统很像,都用到了硅,但量子系统需要本质上的创新和突破。”Mike说。 三、三年磨砺,从单芯片到最强类脑系统单芯片实验成功后,英特尔神经拟态研究持续产生新的研究进展。 一方面,英特尔在2018年3月建立英特尔神经拟态研究社区(INRC),汇集产学政界顶尖研究人员,使用Loihi芯片为研发活动的架构焦点,推动神经拟态算法、软件和应用程序的研发。 过去两年间,INRC的规模扩大逾两倍,现有超过90家组织,包括全球领先的大学、政府实验室、神经拟态类初创公司,埃森哲、空中客车、通用电气、日立等知名企业均已加入INRC。 有很多算法示例引起INRC成员们的兴趣,比如空中客车正在研究如何实现快速、低延时的恶意软件检测。 另一方面,英特尔在扩展神经拟态系统的道路上一往无前。 2018年12月,英特尔USB形状的神经拟态系统Kapoho Bay出场。该系统由2颗Loihi芯片、26.2万个神经元组成,并支持各种实时边缘工作负载。 2019年7月,英特尔推出神经拟态计算机Pohoiki Beach,包含64个Loihi芯片、800万个神经元,以解决复杂的计算密集型问题,包括在稀疏编码、图搜索、同步定位和建图(SLAM)、路径规划、约束满足问题等等。 今日公布的Pohoiki Springs,是迄今为止最大规模的神经拟态计算系统,由24个Nahuku主板组成,每个主板32颗芯片,总共集成了768颗Loihi芯片、1亿个神经元,将Loihi的神经容量增加到小型哺乳动物大脑的大小。 这是在向支持更大、更复杂的神经拟态工作负载的道路上迈出的重要一步,为需要实时、动态的数据处理新方法的自主、互联的未来奠定了基础。 ▲英特尔Nahuku主板 “如果我说从800万(个神经元)增加到1亿相对简单,我想我的团队不会同意。”Mike回忆道,从调试、测试大量芯片,到解决芯片制造和软件等方面的问题,这其中有很多令人头痛的事情。 即便是现在,常规计算与编译系统仍然是一个瓶颈。“我们没法用传统计算架构的相关软件工具,因此更实际的问题是,必须从晶体管重建整个软件系统堆栈。”Mike说。 接下来,Mike和他的团队将在研究中投入更多的时间和想法,以探索更有效的方式来创造更接近人脑规模的神经拟态计算系统。 四、前景极佳的三大算法示例INRC成员将使用英特尔Nx SDK和社区提供的软件组件,通过云在Pohoiki Springs上访问和构建应用程序。 Mike向我们展示了一些前景极佳且高度可扩展、正为Loihi开发的算法示例: 1、限制条件满足 数独游戏、航班调度、快递配送规划……限制条件满足问题在现实世界中几乎无处不在。 这需要对大量潜在的解决方案进行评估,以找到能满足特定限制条件的解决方案。 Loihi可以通过高速并行探索多个不同的解决方案,加快此类问题的解决。 2、搜索图形和模式 每天,人们都会在基于图形的数据结构中进行搜索,以找到最佳路径和密切匹配的模式,例如获取驾驶方向或识别人脸。 Loihi已展示出快速识别图形中的最短路径和执行搜索类似图像的能力。 (编辑:555手机网) 【声明】本站内容均来自网络,其相关言论仅代表作者个人观点,不代表本站立场。若无意侵犯到您的权利,请及时与联系站长删除相关内容! |