神經(jīng)形態(tài)對于人工智能的發(fā)展有沒有影響
當蘋果CEO庫克介紹iPhoneX時,他聲稱這將“為未來十年的科技發(fā)展開辟道路”。雖然現(xiàn)在下結(jié)論還為時過早,但用于面部識別的神經(jīng)引擎是同類產(chǎn)品中的首創(chuàng)。如今,深度神經(jīng)網(wǎng)絡(luò)已成為現(xiàn)實,而神經(jīng)形態(tài)似乎是人工智能持續(xù)發(fā)展的唯一可行途徑。
來自法國的YoleDeveloppement最近發(fā)表的一份報告稱,面對數(shù)據(jù)帶寬的限制和不斷增長的計算需求,傳感和計算必須通過模仿神經(jīng)生物學(xué)架構(gòu)來重塑自身。Yole的成像首席分析師皮埃爾坎布(PierreCambou)解釋說,神經(jīng)形態(tài)感知和計算可以解決人工智能當前的大部分問題,同時在未來幾十年開辟新的應(yīng)用前景。“神經(jīng)形態(tài)工程是仿生的下一步,并推動人工智能的發(fā)展。”
為什么是現(xiàn)在
數(shù)學(xué)家艾倫·圖靈提出“機器會思考嗎?”三十年前,加州理工學(xué)院的電氣工程師卡弗·米德引入了神經(jīng)形態(tài)工程的概念。然而,在接下來的十年里,研究人員在制造具有類似大腦的學(xué)習和適應(yīng)能力的機器方面幾乎沒有取得實際的成功。2006年,佐治亞理工學(xué)院(GeorgiaTech)展示了其現(xiàn)場可編程神經(jīng)陣列,2011年,麻省理工學(xué)院(MIT)的研究人員展示了一種模擬大腦神經(jīng)元如何適應(yīng)新信息的計算機芯片。
轉(zhuǎn)折點出現(xiàn)在多倫多大學(xué)的一組科學(xué)家發(fā)表的論文《深度卷積神經(jīng)網(wǎng)絡(luò)的ImageNet分類》。AlexNet架構(gòu)由一個8層的卷積神經(jīng)網(wǎng)絡(luò)組成,使得將ImageNet競賽中的120萬張高分辨率圖像分類為1000個類別(如貓、狗)成為可能?!爸挥须S著AlexNet的發(fā)展,深度學(xué)習方法才被證明更強大,并開始在人工智能領(lǐng)域獲得發(fā)展勢頭?!?/p>
目前大多數(shù)深度學(xué)習實現(xiàn)技術(shù)都依賴于摩爾定律,而且“它工作得很好”?!暗?,隨著深度學(xué)習的發(fā)展,對能夠執(zhí)行高計算任務(wù)的芯片的需求將會越來越大?!蹦柖勺罱兴啪?,導(dǎo)致包括Yoledevelopment在內(nèi)的許多業(yè)內(nèi)人士認為,它將無法維持深度學(xué)習的進步。Cambou是那些相信深度學(xué)習“將會失敗”的人之一,如果它繼續(xù)以現(xiàn)在的方式實施的話。
為了解釋他的觀點,坎布列舉了三個主要障礙。首先是摩爾定律的經(jīng)濟學(xué)?!昂苌儆星騿T能夠上場比賽,我們最終會有一兩個晶圓廠在世界上超越7納米。我們認為,只有谷歌才能做一些事情,這對創(chuàng)新是有害的?!?/p>
其次,數(shù)據(jù)負載的增長速度快于摩爾定律,數(shù)據(jù)溢出使得當前的內(nèi)存技術(shù)成為一個限制因素。第三,計算能力需求的指數(shù)增長為每個應(yīng)用程序創(chuàng)建了一道熱障?!皩τ?納米芯片,我們的效率大約是每瓦特1萬億次浮點運算。要驅(qū)動一個Waymo,我們可能需要1千瓦,這意味著我們需要1000萬億次浮點運算,”坎布說。目前的技術(shù)范式無法實現(xiàn)這一承諾,解決方案可能是在神經(jīng)形態(tài)硬件上應(yīng)用深度學(xué)習,并利用更好的能源效率。
Cambou表示,從更廣泛的角度來看當前的情況,是時候采用一種顛覆性的方法了,利用新興內(nèi)存技術(shù)帶來的好處,提高數(shù)據(jù)帶寬和電力效率。這就是神經(jīng)形態(tài)方法?!叭斯ぶ悄艿墓适聦⒗^續(xù)向前發(fā)展,我們相信,下一步將朝著神經(jīng)形態(tài)的方向發(fā)展?!?/p>
近年來,有許多努力在建立神經(jīng)形態(tài)硬件,傳達認知能力,實現(xiàn)神經(jīng)元在硅。對于Cambou來說,這是“神經(jīng)形態(tài)的方法是滴答所有正確的方框”,并允許更大的效率?!坝布股窠?jīng)網(wǎng)絡(luò)和深度學(xué)習成為可能,我們相信它將使神經(jīng)形態(tài)人工智能的下一步成為可能。然后我們可以再次夢想人工智能,夢想基于人工智能的應(yīng)用程序。”
神經(jīng)元和突觸
神經(jīng)形態(tài)硬件正在走出研究實驗室,其興趣和目標都集中在傳感、計算和記憶領(lǐng)域。合資企業(yè)正在形成,戰(zhàn)略聯(lián)盟正在簽署,長達10年的研究計劃,如歐盟的人類大腦項目正在啟動。
雖然在2024年之前不會有大的業(yè)務(wù),但在那之后的幾十年里,機會的規(guī)??赡苁蔷薮蟮摹?jù)Yole說,如果所有的技術(shù)問題在未來幾年內(nèi)得到解決,神經(jīng)形態(tài)計算市場將從2024年的6900萬美元上升到2029年的50億美元和2034年的213億美元。這個生態(tài)系統(tǒng)是龐大而多樣的,有像三星、英特爾和SK海力士這樣的知名公司,也有像Brainchip、Nepes、Vicarious和GeneralVision這樣的初創(chuàng)公司。
神經(jīng)形態(tài)芯片不再是一個理論,而是一個事實。2017年,英特爾(Intel)推出了Loihi,這是該公司首款由13萬個神經(jīng)元組成的神經(jīng)形態(tài)研究芯片。今年7月,圣克拉拉集團(SantaClaragroup)的800萬個神經(jīng)元神經(jīng)形態(tài)系統(tǒng)(代號為PohoikiBeach)達到了一個新的里程碑,該系統(tǒng)由64塊Loihi研究芯片組成。類似地,IBM的TrueNorthbrain-inspiredcomputerchip有100萬個神經(jīng)元和2.56億個突觸,而Brainchip的Akidaneuromorformationsystem-on-chip有120萬個神經(jīng)元和100億個突觸。
“在提供硬件方面存在競爭,這將提高神經(jīng)元和突觸的標準。突觸可能比神經(jīng)元更重要?!霸赮ole,我們看到前面有兩步。首先,將建立在當前方法上的應(yīng)用程序,一部分是異步的,一部分來自馮·諾伊曼。Brainchip的Akida和英特爾的Loihi就是很好的例子?!叭缓螅芸赡茉谖磥?0到15年內(nèi),我們會在它上面加上RRAM(電阻式隨機存取存儲器)。這將創(chuàng)造出更多的突觸?!?/p>
神經(jīng)形態(tài)計算的努力來自像美光、西部數(shù)據(jù)和SK海力士這樣的記憶體公司,但許多公司都在尋求更多的短期收益,最終可能不會成為神經(jīng)形態(tài)研究的強大參與者?!拔覀儜?yīng)該關(guān)注那些選擇神經(jīng)形態(tài)作為核心技術(shù)的小公司,”坎布說。
一些初創(chuàng)公司正在把非易失性內(nèi)存技術(shù)與神經(jīng)形態(tài)計算芯片設(shè)計結(jié)合起來。它們與Crossbar和Adesto等純存儲初創(chuàng)企業(yè)一起出現(xiàn),但人們通常認為,它們的記憶電阻(memristor,即內(nèi)存電阻)方法比pu回放計算公司的努力更為長期。Cambou說:“許多內(nèi)存播放器正在研究RRAM和相變存儲器,以模擬突觸?!贝送?,“MRAM[磁阻隨機存取存儲器]是新興記憶的一部分,將有助于神經(jīng)形態(tài)方法的成功?!?/p>
除了計算,一個神經(jīng)形態(tài)感知生態(tài)系統(tǒng)已經(jīng)出現(xiàn),它源于1991年蘇黎世聯(lián)邦理工學(xué)院神經(jīng)信息研究所的硅神經(jīng)元。目前的競爭很弱,全球只有不到10家。其中,Prophesee、三星、Insightness、InivaTIon和Celepixel都在提供即時可用的產(chǎn)品,如基于事件的圖像傳感器和相機。在電影攝影中使用的基于框架的方法無法捕捉動作。
“電影在欺騙我們的大腦,但我們無法欺騙電腦,”坎布說?!拔ㄒ徽_的方法就是給出眼睛正在給出的信息?;谑录臄z像機對于任何類型的實時運動理解和模式理解都非常強大。更廣泛地說,聽覺、圖像和行為傳感器“對我們所說的一般智力的各個層面都有影響”。
Yole表示,在封裝半導(dǎo)體領(lǐng)域,其預(yù)計神經(jīng)形態(tài)傳感領(lǐng)域的投資將從2024年的4300萬美元增至2029年的20億美元和2034年的47億美元。
不僅僅是汽車
坎布說,汽車可能是最明顯的市場。然而,最初的市場是工業(yè)和移動的,主要用于機器人和實時感知。
短期內(nèi),神經(jīng)形態(tài)傳感和計算將被用于工業(yè)機器的實時監(jiān)控。它還將在物流、食品自動化和農(nóng)業(yè)方面發(fā)揮重要作用。Cambou說:“雖然深度學(xué)習需要大量的數(shù)據(jù)集,但神經(jīng)形態(tài)學(xué)僅通過幾張圖片或幾個單詞就能快速學(xué)習并理解時間。”
在未來十年內(nèi),混合內(nèi)存計算芯片的出現(xiàn)將打開汽車市場,迫切地等待大眾市場的自動駕駛技術(shù)?!拔覀兩钤谝粋€交互的世界里,神經(jīng)形態(tài)將在讓計算機理解非結(jié)構(gòu)化環(huán)境方面發(fā)揮強大的作用?!?/p>
來源:搜狐