英特爾正在研發(fā)代號“Loihi”的自學習神經元芯片

英特爾說：不單CPU不行了，GPU也不行了。這位CPU霸主表示，隨著高度動態(tài)和非結構既然數據的相關需求逐漸增加，未來計算的需求將超越經典的CPU和GPU體系結構。那怎么辦?

英特爾這么說，肯定有辦法。英特爾實驗室今天宣布，正在研發(fā)出代號“Loihi”的自學習神經元芯片，模仿了大腦的功能，能從環(huán)境反饋中直接學習。

所謂自學習、模仿大腦，意思是Loihi內部由128個計算核心組成，每個核心有1024個“神經元”，總計超過13萬個神經元和1.3億個突觸鏈接，和大腦的神經元一樣，它們可以調整相互之間的聯系，以適應新的任務。

從神經元數量上講，Loihi比龍蝦的大腦還要復雜一點。不過與人腦相比還相去甚遠，人腦由超過800億個神經元組成。

Loihi不需要通過傳統(tǒng)的方式進行訓練，而且會隨著時間的增加變得越來越智能，而且功耗極低，這款處理器使用異步脈沖方式進行計算。

“大腦內部的溝通沒有想象中的頻繁”，英特爾實驗室資深首席工程師兼首席科學家Narayan Srinivasa表示：“這款芯片只有脈沖出現時才消耗能量”。

下面是英特爾對Loihi芯片的詳細說明。

Loihi簡介

Loihi芯片包含模擬大腦基本機制的數字電路，使機器學習更快、更高效，同時降低對計算資源的需求。

神經形態(tài)芯片模型的靈感來自于神經元通信和學習的方式，利用了可根據時間調節(jié)的脈沖和塑料觸突?；谀Ｊ胶完P聯，這將幫助計算機實現自組織，做出決策。

Loihi芯片提供了非常靈活的片上學習能力，將訓練和推理整合至同一塊芯片上。這幫助機器實現自動化，實時調整，而無需等待來自云計算平臺的下一次信息更新。

研究人員已證明，與其他典型的脈沖神經網絡相比，在解決MNIST數字識別問題時，以實現一定準確率所需要的總操作數來看，Loihi芯片學習速度提高了100萬倍。

與卷積神經網絡和深度學習神經網絡相比，Loihi芯片在同樣的任務中需要更少的資源。

在優(yōu)化汽車和工業(yè)應用，以及個人機器人方面，這款測試芯片的自學能力帶來了巨大潛力，例如識別汽車或自行車的運動。在非結構化環(huán)境中，這些應用可以受益于自動化操作和持續(xù)學習。

此外，與通常用于訓練人工智能系統(tǒng)的芯片相比，Loihi芯片的能效提升了1000倍。

參數

全異步神經形態(tài)多核心網絡，支持多種稀疏、分層和循環(huán)神經網絡拓撲結構。每個神經元可以與成千上萬個其他神經元通信。

每個神經形態(tài)核心都包含一個學習引擎，在操作中可以通過編程去適配網絡參數，支持監(jiān)督學習、無監(jiān)督學習、強化學習和其他學習范式。

芯片的制造采用了英特爾14納米工藝。

總共提供了13萬個神經元和1.3億個觸突。

對于多種算法的開發(fā)和測試，實現了極高的算法效率。這些算法包括路徑規(guī)劃、約束滿足、稀疏編碼、字典學習，以及動態(tài)模式學習和適配。

下一步

英特爾表示，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計將給社會帶來重大影響。這家芯片巨頭正通過多種產品，解決從網絡邊緣到數據中心和云計算平臺，人工智能計算任務的獨特需求。

隨著人工智能計算任務越來越多多樣化，越來越復雜，研究者將關注當前主流計算架構的局限性，提出新的顛覆性方法。展望未來，英特爾認為，神經形態(tài)計算帶來了一種方式，以類似大腦的結構提供超大規(guī)模的計算性能。

但英特爾不是第一家使用神經科學指導芯片設計的公司。

IBM已經構建了兩代神經形態(tài)處理器，稱為TrueNorth，這個芯片同樣基于脈沖神經元模式。TrueNorth芯片包括4096個核心和540萬個晶體管，功耗70毫瓦，模擬了一百萬個神經元和2.56億個突觸，這個數字在Loihi之上。

TrueNorth相當于一個蜜蜂的大腦。

不過與英特爾的芯片不同，TrueNorth芯片無法基于輸入數據進行學習。IBM的研究得到了DARPA的資助，并且與兩家實驗室合作，但目前也沒有商業(yè)可用性的進展。

不少AI專家對神經元芯片心存疑慮。IBM在2014年發(fā)表TrueNorth的第一篇論文時，Yann LeCun就曾指出，這類芯片很難運行卷積神經網絡進行圖像識別計算。Srinivasa也證實Loihi在某些深度學習模型上表現不佳。

無論英特爾神經元芯片最終結果如何，這都顯示出英特爾已經意識到CPU不是唯一。隨著AI的重要性日益增加，英特爾正不斷擁抱其他芯片。2015年，英特爾億167億美元收購FPGA廠商Altera。去年，英特爾4億美元收購AI芯片商Nervana。