毫無疑問，人工智能是當下最熱的話題，涉及其中的很多初創(chuàng)企業(yè)也是備受資本追捧。而對于老牌芯片廠商英特爾來說，近兩年也是不遺余力的加強在人工智能領(lǐng)域的布局。
2016年8月，英特爾宣布4.08億美元收購了專注于云端人工智能的創(chuàng)業(yè)公司Nervana Systems。2016年9月，英特爾又收購了計算機視覺芯片公司Movidius，開始加碼終端側(cè)的人工智能布局。而對于下一代的基于神經(jīng)擬態(tài)(類腦)的人工智能芯片，英特爾也已經(jīng)有了相應的原型產(chǎn)品。
去年9月，英特爾就曝光了其代號為 “Loihi” 的首款能夠進行自主學習的神經(jīng)擬態(tài)芯片。Loihi芯片可以像人類大腦一樣，通過脈沖或尖峰傳遞信息，并自動調(diào)節(jié)突觸強度，通過環(huán)境中的各種反饋信息，進行自主學習、下達指令。它可以利用少量的數(shù)據(jù)就能進行自主學習并作出推斷，隨著時間的推移將變得更加智能，不需要以傳統(tǒng)大量數(shù)據(jù)訓練的方式進行。
不過，當時還只是FPGA模擬，而現(xiàn)在已經(jīng)完整成型，是一顆擁有完整功能的硅芯片。在日前的CES keynote 演講環(huán)節(jié)，英特爾CEO科再奇宣布，業(yè)內(nèi)第一款自主學習神經(jīng)擬態(tài)芯片——Loihi已全面運作，將在今年上半年與領(lǐng)先大學、科研機構(gòu)分享Loihi芯片，并用于更復雜的數(shù)據(jù)集和問題。
此外，科再奇表示，神經(jīng)擬態(tài)芯片最終可用于任何需要實時數(shù)據(jù)處理的環(huán)境，比如更安全的攝像頭和智能城市基礎設施，并與自動駕駛汽車進行實時交互通信、紅綠燈自動適應交通狀況、攝像頭尋找失蹤人口等。
那么Loihi到底有何神奇之處?它是如何運作的呢?
Loihi的名字其實取自于夏威夷海底的一座不斷噴發(fā)的活火山，每一次噴發(fā)都會擴大夏威夷島的范圍，英特爾將芯片取名Loihi就是希望其能夠通過不斷的自我學習，可以提供更加強大的人工智能的能力。
現(xiàn)代醫(yī)學研究表明，人類大腦的神經(jīng)網(wǎng)絡是通過脈沖來傳遞信息，同時根據(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。大腦內(nèi)神經(jīng)網(wǎng)絡及其環(huán)境中多個區(qū)域之間的協(xié)作和競爭性的相互作用就產(chǎn)生了智能的行為。
英特爾的Loihi芯片采用了一種新穎的方式通過異步脈沖來計算，同時整合了計算和存儲，模仿了大腦根據(jù)環(huán)境的各種反饋來學習如何操作的運作方式，可以利用數(shù)據(jù)來學習并做出推斷，隨著時間的推移也會變得更加的智能，并且不需要以傳統(tǒng)方式來進行訓練。
目前的機器學習方式，比如深度學習，都是通過大量的數(shù)據(jù)來進行訓練，從而得出一個可用的模型，但是這種模型只是適用于特定的一些應用方向和使用場景，沒法廣泛的應用，一旦使用場景發(fā)生變化，這種花大量時間和精力訓練出來的模型就沒法用了。而英特爾的Loihi能夠進行自主學習，則意味著即使在不同應用方向和場景下，也能很快的通過自主學習來進行適應。
此外，神經(jīng)擬態(tài)計算還可解決例如稀疏編碼、詞典學習、constraint Satisfaction、模式匹配、動態(tài)學習和適應等眾多挑戰(zhàn)性問題。并且還擁有更高的能效比。
Loihi的詳細參數(shù)：
根據(jù)此前再北京舉行的2017英特爾人工智能大會上公布的資料顯示，Loihi采用的是異構(gòu)設計，由128個Neuromorphic Core(神經(jīng)形態(tài)的核心)+3個低功耗的英特爾X86核心組成，號稱擁有13萬個神經(jīng)元和1.3億個觸突。
其擁有目前發(fā)布芯片的大部分先進特性，支持可編程的學習規(guī)則，每個神經(jīng)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(wǎng)絡參數(shù)，支持監(jiān)督學習、無監(jiān)督學習、強化學習和其他的學習范式。同時其也是可擴展的神經(jīng)擬態(tài)網(wǎng)絡。這種全異步神經(jīng)擬態(tài)多核心網(wǎng)絡，可支持多種稀疏、分層和循環(huán)神經(jīng)網(wǎng)絡拓撲結(jié)構(gòu)。每個神經(jīng)元可以與成千上萬個其它神經(jīng)元通信。
在性能方面，根據(jù)此前研究人員公布的數(shù)據(jù)顯示，與其他典型的脈沖神經(jīng)網(wǎng)絡相比，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芯片學習速度提高了100萬倍。與卷積神經(jīng)網(wǎng)絡和深度學習神經(jīng)網(wǎng)絡相比，Loihi測試芯片在同樣的任務中需要的資源更少。
此外，在能效比方面，與訓練人工智能系統(tǒng)的通用計算芯片相比，Loihi芯片的能效提升了100倍以上。
另外，由于Loihi采用的是全新的神經(jīng)擬態(tài)計算，并且是異構(gòu)設計，所以這也使得其在開發(fā)設計上也需要全新的方法和工具。
對此，英特爾Loihi芯片部門與英特爾軟件部門合作，創(chuàng)造了一種無縫的編程模式和結(jié)構(gòu)。可以讓開發(fā)者可以輕松的在Loihi上進行編程。
雖然，目前Loihi已經(jīng)“全面運作”，并將在今年分享給研究合作伙伴。但是距離真正的商用可能還需要很長的一段時間。
下載文檔
