成为VIP会员查看完整内容
VIP会员码认证
首页
主题
发现
会员
服务
注册
·
登录
0
1亿神经元,秒杀深度学习千倍!英特尔发布最强神经拟态计算系统
2020 年 3 月 21 日
新智元
新智元报道
来源:英特尔
编辑:朱斯克
【新智元导读】
3月19日,英特尔发布了基于Loihi芯片的增强版“机器大脑”——Pohoiki Springs神经拟态计算系统。Pohoiki Springs是一个数据中心机架式系统,它将768块Loihi芯片集成在5台机箱里。一两块Loihi芯片还比较弱,但是当数百个Loihi芯片集成为一个数据中心后,其已经拥有1亿个神经元,这个数量级别相当于一只仓鼠。芯片系统向人脑的演化,将颠覆现有的计算架构,开启人工智能的新纪元。
「新智元急聘主笔、编辑、运营经理、客户经理,添加HR微信(Dr-wly)或扫描文末二维码了解详情。
」
如何让机器像人一样,一闻气味便知安危?
对于传统的人工智能来说,这不是一件容易事。主流的深度学习神经网络,可能需要设置上亿个参数,训练数十万次,才能辨别出猫和狗的区别,更不用说更为陌生的气味识别领域。但是,即便对于一个几岁的婴孩来说,他们辨认动物、识别气味只需要几次就够了。
3月16日,英特尔研究院与美国康奈尔大学的研究人员在《自然-机器智能》(Nature Machine Intelligence)杂志上联合发表了一篇论文,展示了英特尔Loihi神经拟态研究芯片闻味识危的能力。
论文地址
https://arxiv.org/abs/1906.07067
该论文声称,
Loihi芯片从单一样本便会以较高的准确率识别一种气味,而且不会破坏它对先前所学气味的记忆。
与之形成鲜明对比的是,传统的深度学习解决方案,要达到与Loihi一样灵敏的“嗅觉”,每类气味都需要
3000倍以上
的训练样本。
更进一步,英特尔在3月19日发布了基于Loihi芯片的增强版“机器大脑”——Pohoiki Springs神经拟态计算系统。Pohoiki Springs是一个数据中心机架式系统,它将768块Loihi芯片集成在5台机箱里。一两块Loihi芯片还比较弱,但是当数百个Loihi芯片集成为一个数据中心后,其已经拥有
1亿个神经元
,这个数量级别相当于一只仓鼠。
英特尔Loihi系统的演进历史
别小看了这一“仓鼠”级别的神经元数量,随着摩尔定律及芯片工艺的不断演进,英特尔或许能将
神经拟态计算
系统做到人脑级别的神经元数量。而芯片系统向人脑的演化,将颠覆现有的计算架构,开辟工智能的新路径。
神经拟态:人工智能的明日之星?
神经拟态相比于深度学习的优势是什么?这要从两者不同的计算方式说起。
英特尔中国研究院院长 宋继强
英特尔中国研究院院长宋继强对新智元表示,深度学习神经网络一般不太考虑时间上的信息,而是
静态输入逐个批次训练
。如果要在原本的网络上加不同的任务,还需要加另外的网络。
而现在,即便是训练一个图像识别模型,都需要数千瓦电,才能把这一件事情做好。这造成
深度学习的能耗越来越高
。
人脑的计算方式是不同的。人类从外界输入的声音、图像、触觉等,是互相关联的,在时间上也具备相关性。我们在处理信息的时候,是不同种类的一起来处理,不需要像深度学习,每个任务都从头到尾再训练一遍。
如此,人脑只需要看过三五只猫狗,就能正确地辨认出来哪个是猫,哪个是狗;但是深度学习网络需要准备两套模型,分别训练几千张照片,才能达到人脑的识别程度。
Loihi芯片的最大优势,正是人脑相对于深度学习网络的优点——
自学习
。
Loihi芯片可以像人脑一样,边工作边学习,过程中还能自己调参
。这种自学习的优势,对于一些只发生一次的场景是非常关键的。
比如,工厂里面发生了恶意代码攻击,这类事件发生的概率很小,但只要发生,就不能说让深度学习网络学习很多个样本。到了有很多样本的时候,恶意攻击已经广泛到不可收拾,局面已经难以挽回。因而,在这类发生一次就大祸临头的场景,神经拟态芯片的优势显得格外重要。
英特尔的芯片布局
在新智元主办的2019年世界人工智能峰会上,宋继强表达了他对人工智能前景的观点:
一是
认知能力
,即能否深刻理解这个场景,而不只是看到和听到;
二是
持续学习的能力
,不一定需要很大量的数据和标注,而是自己可以通过小数据、根据场景逐渐学习,具备适应服务对象、适应服务环境的能力;
三是
处理不确定性的能力
,这一点恰恰是人类现在最强的,我们有很好的预判、假设、验证、改进,也就是处理不确定性的能力。
仔细对照一下神经拟态芯片的特性,就会发现,英特尔手中这种尚处于科研测试阶段的芯片,代表了学术界、业界对于人工智能押注的方向:
强认知、小样本学习与更加“人化”的人工智能
。
要实现上述的人工智能愿景,仅靠英特尔的架构设计是不够的。一代好的芯片产品,在大规模量产前,必然要经过科研界人士的试用优化,与来自工业界的实践洗礼。实际上,英特尔的神经拟态芯片,现在还没到产品化的阶段,而更多地服务于科学研究。
英特尔建立了神经拟态研究社区
INRC
,希望借助社区内大公司与学术界的力量,用算法和数据开展更好的训练。
而神经拟态芯片的进展,只是英特尔面向未来布局中的一环。
2017年,英特尔确立了
“以数据为中心”
的转型。之后,英特尔投资了各类不同架构的芯片,其中包括FPGA与不同路线、场景的ASIC定制化AI芯片。按照产品成熟度排列,既有尚处于科研测试阶段的神经拟态芯片与量子芯片,也有已经成熟量产的面向数据中心的AI芯片。
芯片市场风起云涌,竞争对手不断涌现,或许只有投资于健全的芯片产品线,构建严密的应用生态圈,才是英特尔不断推陈出新、一骑绝尘的不二法门。
登录查看更多
点赞并收藏
0
暂时没有读者
0
权益说明
本文档仅做收录索引使用,若发现您的权益受到侵害,请立即联系客服(微信: zhuanzhi02,邮箱:bd@zhuanzhi.ai),我们会尽快为您处理
相关内容
英特尔 (Intel)
关注
8
英特尔公司是世界上最大的半导体公司,也是第一家推出x86架构处理器的公司,总部位于美国加利福尼亚州圣克拉拉。由罗伯特·诺伊斯、高登·摩尔、安迪·葛洛夫,以“集成电子”之名在1968年7月18日共同创办公司,将高级芯片设计能力与领导业界的制造能力结合在一起。
维基百科
【ICASSP2020】 分布式与高效深度学习,140页ppt详述深度学习压缩与联邦学习训练进展
专知会员服务
125+阅读 · 2020年5月6日
【MIT韩松博士-ICLR2020】端上自动机器学习-一劳永逸网络的NAS: Once-for-All Network
专知会员服务
56+阅读 · 2020年5月4日
【Google】利用AUTOML实现加速感知神经网络设计
专知会员服务
29+阅读 · 2020年3月5日
麻省理工学院MIT-ICLR2020《神经网络能推断出什么?》
专知会员服务
50+阅读 · 2020年2月19日
【BAAI|2019】类脑神经网络技术及其应用,鲁华祥(附pdf)
专知会员服务
29+阅读 · 2019年11月21日
【BAAI 北京智源大会】类脑神经形态智能芯片,蔡一茂 / 北京大学教授,智源研究员
专知会员服务
15+阅读 · 2019年11月19日
《人工智能数据安全白皮书》(2019版)发布,51页PDF,中国信息通信研究院编
专知会员服务
146+阅读 · 2019年11月8日
城市大脑与边缘计算,特邀嘉宾中国工程院院士高文,第八届全国社会媒体处理大会SMP2019
专知会员服务
56+阅读 · 2019年10月22日
【上海交通大学】分布式移动端机器学习综述论文,28页pdf
专知会员服务
43+阅读 · 2019年10月12日
复旦大学邱锡鹏老师《神经网络与深度学习》书册最新版
专知会员服务
64+阅读 · 2019年10月9日
深度丨高文院士50页PPT,剖析城市大脑的瓶颈与数字视网膜技术
AI掘金志
9+阅读 · 2019年1月8日
魔都要用最先进的神经网络预测交通?前排围观
机器之心
8+阅读 · 2018年11月15日
SNN,像你的大脑一样工作
中国科学院自动化研究所
80+阅读 · 2018年11月7日
已删除
将门创投
7+阅读 · 2018年11月5日
人工智能大数据平台中Golang的应用实践
MomentaAI
5+阅读 · 2018年9月27日
人工智能产业链,是时候梳理一下了!
物联网智库
3+阅读 · 2018年1月19日
前沿 | 简述脉冲神经网络SNN:下一代神经网络
机器之心
36+阅读 · 2018年1月13日
阿里云云盾 · 云防火墙技术解读:零配置业务自动分组,安全管理有序、可见
阿里云安全
4+阅读 · 2017年12月20日
初学者如何选择适合的GPU?亚马逊AI科学家告诉你(指南)!
全球人工智能
6+阅读 · 2017年12月3日
【深度学习】神经网络和深度学习简史
产业智能官
8+阅读 · 2017年11月16日
Co-Generation with GANs using AIS based HMC
Arxiv
3+阅读 · 2019年10月31日
Tensor Graph Convolutional Networks for Prediction on Dynamic Graphs
Arxiv
8+阅读 · 2019年10月16日
Dynamic Graph Neural Networks
Arxiv
24+阅读 · 2018年10月24日
Generative Model for Heterogeneous Inference
Arxiv
4+阅读 · 2018年4月26日
BlockDrop: Dynamic Inference Paths in Residual Networks
Arxiv
6+阅读 · 2018年3月30日
Information and Environment: IoT-Powered Recommender Systems
Arxiv
5+阅读 · 2018年2月28日
Sounderfeit: Cloning a Physical Model with Conditional Adversarial Autoencoders
Arxiv
4+阅读 · 2018年2月22日
High-Resolution Deep Convolutional Generative Adversarial Networks
Arxiv
8+阅读 · 2018年1月27日
Knowledge Graph Embedding with Multiple Relation Projections
Arxiv
4+阅读 · 2018年1月26日
DuReader: a Chinese Machine Reading Comprehension Dataset from Real-world Applications
Arxiv
4+阅读 · 2017年11月15日
VIP会员
自助开通(推荐)
客服开通
详情
相关主题
英特尔 (Intel)
芯片(集成电路)
神经元
深度学习
集成
英特尔中国研究院
相关VIP内容
【ICASSP2020】 分布式与高效深度学习,140页ppt详述深度学习压缩与联邦学习训练进展
专知会员服务
125+阅读 · 2020年5月6日
【MIT韩松博士-ICLR2020】端上自动机器学习-一劳永逸网络的NAS: Once-for-All Network
专知会员服务
56+阅读 · 2020年5月4日
【Google】利用AUTOML实现加速感知神经网络设计
专知会员服务
29+阅读 · 2020年3月5日
麻省理工学院MIT-ICLR2020《神经网络能推断出什么?》
专知会员服务
50+阅读 · 2020年2月19日
【BAAI|2019】类脑神经网络技术及其应用,鲁华祥(附pdf)
专知会员服务
29+阅读 · 2019年11月21日
【BAAI 北京智源大会】类脑神经形态智能芯片,蔡一茂 / 北京大学教授,智源研究员
专知会员服务
15+阅读 · 2019年11月19日
《人工智能数据安全白皮书》(2019版)发布,51页PDF,中国信息通信研究院编
专知会员服务
146+阅读 · 2019年11月8日
城市大脑与边缘计算,特邀嘉宾中国工程院院士高文,第八届全国社会媒体处理大会SMP2019
专知会员服务
56+阅读 · 2019年10月22日
【上海交通大学】分布式移动端机器学习综述论文,28页pdf
专知会员服务
43+阅读 · 2019年10月12日
复旦大学邱锡鹏老师《神经网络与深度学习》书册最新版
专知会员服务
64+阅读 · 2019年10月9日
热门VIP内容
开通专知VIP会员 享更多权益服务
OpenAI十二天总结与Agent新范式
【伯克利博士论文】高效深度学习推理的全栈方法
【AAAI2025】多层次最优传输用于语言模型中的通用跨标记器知识蒸馏
大规模语言模型增强推荐系统:分类、趋势、应用与未来
相关资讯
深度丨高文院士50页PPT,剖析城市大脑的瓶颈与数字视网膜技术
AI掘金志
9+阅读 · 2019年1月8日
魔都要用最先进的神经网络预测交通?前排围观
机器之心
8+阅读 · 2018年11月15日
SNN,像你的大脑一样工作
中国科学院自动化研究所
80+阅读 · 2018年11月7日
已删除
将门创投
7+阅读 · 2018年11月5日
人工智能大数据平台中Golang的应用实践
MomentaAI
5+阅读 · 2018年9月27日
人工智能产业链,是时候梳理一下了!
物联网智库
3+阅读 · 2018年1月19日
前沿 | 简述脉冲神经网络SNN:下一代神经网络
机器之心
36+阅读 · 2018年1月13日
阿里云云盾 · 云防火墙技术解读:零配置业务自动分组,安全管理有序、可见
阿里云安全
4+阅读 · 2017年12月20日
初学者如何选择适合的GPU?亚马逊AI科学家告诉你(指南)!
全球人工智能
6+阅读 · 2017年12月3日
【深度学习】神经网络和深度学习简史
产业智能官
8+阅读 · 2017年11月16日
相关论文
Co-Generation with GANs using AIS based HMC
Arxiv
3+阅读 · 2019年10月31日
Tensor Graph Convolutional Networks for Prediction on Dynamic Graphs
Arxiv
8+阅读 · 2019年10月16日
Dynamic Graph Neural Networks
Arxiv
24+阅读 · 2018年10月24日
Generative Model for Heterogeneous Inference
Arxiv
4+阅读 · 2018年4月26日
BlockDrop: Dynamic Inference Paths in Residual Networks
Arxiv
6+阅读 · 2018年3月30日
Information and Environment: IoT-Powered Recommender Systems
Arxiv
5+阅读 · 2018年2月28日
Sounderfeit: Cloning a Physical Model with Conditional Adversarial Autoencoders
Arxiv
4+阅读 · 2018年2月22日
High-Resolution Deep Convolutional Generative Adversarial Networks
Arxiv
8+阅读 · 2018年1月27日
Knowledge Graph Embedding with Multiple Relation Projections
Arxiv
4+阅读 · 2018年1月26日
DuReader: a Chinese Machine Reading Comprehension Dataset from Real-world Applications
Arxiv
4+阅读 · 2017年11月15日
大家都在搜
palantir
洛克菲勒
大规模语言模型
CMU博士论文
无人机系统
自主可控
无人艇
机器狗
evolution
GANLab 将GA
Top
提示
微信扫码
咨询专知VIP会员与技术项目合作
(加微信请备注: "专知")
微信扫码咨询专知VIP会员
Top