北京2017年9月28日電 /美通社/ -- 想象一下 -- 未來，我們可以更加迅速的對復(fù)雜問題做出決策并且能隨時自動調(diào)整，很多社會和工業(yè)問題也都可以通過自主學(xué)習(xí)經(jīng)驗來自動解決。未來，一線救援人員可以通過圖片識別分析街道攝像頭畫面，并迅速解救失蹤或被綁架的人。未來，交通信號燈會根據(jù)交通流量自動調(diào)整變燈時間，控制起步停車的時間從而減少交通擁堵。未來，機器人將變得更加自主化，性能效率也都會顯著提高。
隨著從高度動態(tài)、非結(jié)構(gòu)化自然數(shù)據(jù)中進行收集、分析和決策的需求越來越高，對計算的需求也超越了經(jīng)典的CPU和GPU架構(gòu)。為了跟上技術(shù)發(fā)展的步伐，并推動PC和服務(wù)器以外的計算，英特爾過去六年來一直在研究能夠加快經(jīng)典計算平臺的專用架構(gòu)。最近英特爾還加大了對人工智能（AI）和神經(jīng)擬態(tài)計算的投資和研發(fā)。
英特爾在神經(jīng)擬態(tài)計算領(lǐng)域的研究工作是基于幾十年來的研究與合作，這項研究是由加州理工學(xué)院Carver Mead教授最先開始的，他以半導(dǎo)體設(shè)計的基礎(chǔ)性工作而聞名。芯片專業(yè)知識、物理學(xué)和生物學(xué)的結(jié)合為新想法的創(chuàng)造提供了一個良好的環(huán)境。這些想法非常簡單，卻具有革命性：將機器與人腦進行比較。該研究領(lǐng)域?qū)⒏叨葏f(xié)作和不斷支持科學(xué)的進一步發(fā)展。
作為英特爾研究院的一個研究課題，英特爾開發(fā)了代號為Loihi的第一款自主學(xué)習(xí)神經(jīng)擬態(tài)芯片，它模仿了大腦根據(jù)環(huán)境的各種反饋來學(xué)習(xí)如何操作的運作方式。這是一種非常節(jié)能的芯片，它利用數(shù)據(jù)來學(xué)習(xí)并做出推斷，隨著時間的推移變得更加的智能，并且不需要以傳統(tǒng)方式進行訓(xùn)練。它采用一種新穎的方式通過異步脈沖來計算。
英特爾認為人工智能還處于初級階段，Loihi等更多的架構(gòu)和方法將不斷涌現(xiàn)，從而提高人工智能的標準。神經(jīng)擬態(tài)計算的靈感來自我們目前對大腦結(jié)構(gòu)及其計算能力的了解。大腦的神經(jīng)網(wǎng)絡(luò)通過脈沖來傳遞信息，根據(jù)這些脈沖的時間來調(diào)節(jié)突觸強度或突觸連接的權(quán)重，并把這些變化存儲在突觸連接處。腦內(nèi)神經(jīng)網(wǎng)絡(luò)及其環(huán)境中多個區(qū)域之間的協(xié)作和競爭性相互作用就產(chǎn)生了智能的行為。
機器學(xué)習(xí)，如深度學(xué)習(xí)，通過使用大量的訓(xùn)練數(shù)據(jù)集來識別物體和事件，最近取得了巨大的進步。但是，除非這些訓(xùn)練數(shù)據(jù)集考慮到特定的元素、條件或環(huán)境，否則這些機器學(xué)習(xí)系統(tǒng)不能得到很好地泛化。
自主學(xué)習(xí)芯片的潛在好處是無窮無盡的。例如它能夠把一個人在各種狀況下 -- 慢跑后、吃飯前或睡覺前 -- 的心跳數(shù)據(jù)提供給一個基于神經(jīng)擬態(tài)的系統(tǒng)，來解析這些數(shù)據(jù)，確定各種狀況下的“正?！毙奶＿@個系統(tǒng)隨后持續(xù)監(jiān)測傳入的心跳數(shù)據(jù)，以標記出與“正?！毙奶Ｊ讲幌喾那闆r。這個系統(tǒng)還可以針對任何用戶提供個性化服務(wù)。
這種類型的邏輯也適用于其它的應(yīng)用場景，例如：網(wǎng)絡(luò)安全，由于系統(tǒng)已經(jīng)學(xué)習(xí)了各種狀況下的“常態(tài)”模式，因此當(dāng)數(shù)據(jù)流中出現(xiàn)異?；虿町惖臅r候，就可以識別出漏洞或黑客攻擊。
英特爾推出Loihi測試芯片
Loihi研究測試芯片包括模仿大腦基本機制的數(shù)字電路，從而讓機器學(xué)習(xí)變得更快、更高效，同時對計算力的需求更小。神經(jīng)擬態(tài)芯片模型的靈感來自于神經(jīng)元通信和學(xué)習(xí)的方式，利用了可根據(jù)時間調(diào)節(jié)的脈沖和可塑觸突。這將幫助計算機在模式和關(guān)聯(lián)的基礎(chǔ)上實現(xiàn)自組織并做出決策。
Loihi測試芯片提供高度靈活的片上學(xué)習(xí)能力，并把訓(xùn)練和推斷整合到一個芯片上。這讓機器實現(xiàn)自動化，并實時進行調(diào)整，無需等待來自云端的下一次更新。研究人員已證實，與其他典型的脈沖神經(jīng)網(wǎng)絡(luò)相比，在解決MNIST數(shù)字識別問題時，以實現(xiàn)一定準確率所需要的總操作數(shù)來看，Loihi芯片學(xué)習(xí)速度提高了100萬倍。與卷積神經(jīng)網(wǎng)絡(luò)和深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)相比，Loihi測試芯片在同樣的任務(wù)中需要的資源更少。
這種測試芯片的自主學(xué)習(xí)功能具有巨大的潛力，可以改進汽車和工業(yè)應(yīng)用以及個人機器人 -- 包括任何在非結(jié)構(gòu)化環(huán)境下得益于自主操作和持續(xù)學(xué)習(xí)的應(yīng)用，例如，識別汽車或自行車的運動。
此外，與訓(xùn)練人工智能系統(tǒng)的通用計算芯片相比，Loihi芯片的能效提升了1000倍。2018年上半年，英特爾將與著名大學(xué)和研究機構(gòu)共享Loihi測試芯片，致力于推進人工智能。
更多亮點
Loihi測試芯片的功能特性包括：
下一步計劃
在計算機和算法創(chuàng)新的推動下，人工智能的變革性力量預(yù)計將對社會產(chǎn)生重大影響?，F(xiàn)在，英特爾正在運用自身的優(yōu)勢，推動摩爾定律和制造領(lǐng)先地位，為市場帶來各種產(chǎn)品 -- 英特爾®至強®處理器、英特爾® NervanaTM技術(shù)、英特爾MovidiusTM技術(shù)和英特爾FPGAs -- 以便從網(wǎng)絡(luò)邊緣到數(shù)據(jù)中心和云計算平臺，來滿足人工智能計算任務(wù)的獨特需求。
通用計算和定制硬件和軟件都能在各個尺度上充分發(fā)揮作用。英特爾®至強融核TM處理器，廣泛應(yīng)用于科學(xué)計算，已經(jīng)產(chǎn)生了一些世界上較大的模型，來解釋大規(guī)模的科學(xué)問題。而Movidius神經(jīng)計算棒則能夠在只消耗1瓦特功率的情況下部署之前的訓(xùn)練模型。
隨著人工智能計算任務(wù)變得越來越多樣化和復(fù)雜，研究人員將關(guān)注當(dāng)前主流計算架構(gòu)的局限性，提出新的顛覆性方法。展望未來，英特爾認為，神經(jīng)擬態(tài)計算帶來了一種方式，以類似大腦的結(jié)構(gòu)來提供超大規(guī)模的計算性能。
隨著我們把神經(jīng)擬態(tài)計算這樣的概念推向主流，以支持未來50年的世界經(jīng)濟，我希望大家未來幾個月繼續(xù)關(guān)注來自英特爾研究院的激動人心的里程碑事件。在神經(jīng)擬態(tài)計算普及的未來，隨著智能和決策變得更加的順暢、快速，你所能想象的一切 -- 甚至超越你想象的事情 -- 都會變成現(xiàn)實。
英特爾開發(fā)創(chuàng)新計算架構(gòu)的愿景仍然堅定不移，我們之所以了解未來計算的面貌，是因為我們?nèi)缃裾陂_發(fā)它。
欲更詳細地了解英特爾全面的人工智能解決方案產(chǎn)品組合，請訪問www.intel.com/ai.
