Intel:首款神经拟态研究芯片Loihi最新进展,功耗可比CPU低1000多倍
2020-12-12 16:21
295 查看
2017 年,英特尔首款自主学习的神经拟态研究芯片发布,名为“Loihi”。名字取自于夏威夷海底的一座不断喷发的活火山,每一次喷发都会扩大夏威夷岛的范围,希望其能够通过不断的自我学习,可以提供更加强大的人工智能的能力。
Loihi 采用英特尔主流的 14 纳米制程技术制造而成,Loihi 没有深度学习硬件中普遍存在的浮点数和乘法累加器单元,没有片外内存接口。和大脑一样,所有计算都在芯片上进行,通过二进制脉冲信息和低精度信号,内存来源于芯片神经元之间的连接。
Loihi 采用同质架构,将许多小神经拟态核实例化,每个核的大小只有针头的一部分。通过将神经拟态结构从几核扩展到几百核,将小型的专用工作负载扩展至 CPU 或 GPU 大小的芯片,甚至还可以无缝排列这些芯片,处理方法与 2020 年初发布的Pohoiki Springs 系统一样,它采用 768 个 Loihi 芯片,并包含了 1 亿个神经元,同时 Pohoiki Beach 是英特尔神经拟态研究工作的重要里程碑。
部分机器人工作负载显示,Loihi 的功耗比传统解决方案低 40-100 倍。其中包括一款自适应机械臂应用,它是一种触觉感知网络,能够处理新型人造皮肤技术的输入,还有一款应用是即时定位与地图构建工作负载,简称 SLAM。
英特尔在 2015 年开始开始对神经拟态的研究,以现代神经科学理解作为灵感开发了一种新型计算机架构,适合计算和处理大脑中各种智能工作负载。
图 | Mike Davies
Mike Davies 表示,相比传统计算机架构,神经拟态架构完全模糊了内存和处理之间的界限。和大脑一样,它利用的是数据连接、数据编码和电路活动中所有形式的稀疏(sparsity)。处理就发生在信息到达时,二者同步进行。计算是数百万个简单处理单元之间动态交互的发展结果,就像大脑中的神经元一样。这种新型计算机架构旨在将能效、实时数据处理速度、学习数据的效率等提升多个数量级。
以无人机为例,最新竞速无人机的板载处理器要消耗大约 18 瓦的电力。对于这么一架小型无人机来说,电力消耗过高,限制了飞行时间,充电一次只能飞行 10-20 分钟。利用最先进的 AI 技术,无人机也只能勉强以步行的速度通过预先的编程在几扇门之间自主飞行。它们事先接受过集中训练,才能专心完成识别门的任务。
相比之下,玄凤鹦鹉是一种小型鸟类,大脑仅两克重,能耗仅 50 毫瓦。玄凤鹦鹉的体重比无人机处理器轻 20 倍,能耗低 350 倍。在这种微薄的能耗下,玄凤鹦鹉的飞行速度可达每小时 22 英里,还能在飞行过程中寻找食物,与其他鹦鹉交流。
Mike Davies 说到:“自然界的表现要比当前的人工智能系统在所有维度都高出 1-3 个数量级,如速度、重量、功率、视觉敏锐度、识别的物体数量、学习效率以及智能的绝对广度等。”
Loihi 的最新进展表明,未来的神经拟态设备,比如无人机,将可以像玄凤鹦鹉一样实时解决规划和导航问题。
短期内,由于成本问题,该技术要么仅适用于边缘设备、传感器等小规模设备,要么仅适用于对成本不敏感的应用,如卫星、专用机器人。随着时间的推移,内存技术的创新能够降低成本,让神经拟态解决方案扩大适用范围,运用于各种需要实时处理数据但受限于体积、重量、功耗等因素的智能设备,神经拟态计算的前景非常广阔。
相关文章推荐
- CES2018:英特尔披露量子计算和神经拟态计算研究最新进展
- 5W 功耗!Intel 宣布首款 7nm 芯片 EyeQ5:用于无人车
- Orange发布首款搭载Intel芯片的Android手机
- 人脸检测研究2015最新进展
- 重大突破!MIT宣布新型神经网络芯片功耗降低95%
- 对抗攻击最新研究:仅修改「一个像素」即可骗过神经网络!
- 亚马逊推出首款自研CPU和AI云芯片
- 人脸检测研究2015最新进展
- R-Tree空间索引算法的研究历程和最新进展分析
- 从博士生论文选题看威客理论研究最新进展
- ”上帝“的数学定义,人工智能智商与等级划分研究最新进展
- R-Tree空间索引算法的研究历程和最新进展分析
- R-Tree空间索引算法的研究历程和最新进展分析
- 深度前沿:对话管理模型研究最新进展
- 通信技术——水下通信技术的分类、特征、应用及其最新研究进展
- R-Tree空间索引算法的研究历程和最新进展分析
- 人脸检测研究2015最新进展(持续更新)
- 人脸检测研究2015最新进展
- R-Tree空间索引算法的研究历程和最新进展分析
- R-Tree空间索引算法的研究历程和最新进展分析