北京2017年9月28日電 /美通社/ -- 想象一下 -- 未(wei)來，我們可以(yi)更加迅速的對(dui)復(fu)雜問題做出(chu)決策并且能隨時自動調整，很多社會(hui)(hui)和工(gong)業(ye)問題也(ye)都可以(yi)通(tong)過自主學(xue)習經驗來自動解決。未(wei)來，一線救援人員可以(yi)通(tong)過圖片識別分析街道攝像頭畫面，并迅速解救失蹤(zong)或被綁架的人。未(wei)來，交(jiao)(jiao)通(tong)信號燈會(hui)(hui)根據交(jiao)(jiao)通(tong)流量(liang)自動調整變燈時間(jian)，控制起步停車(che)的時間(jian)從而減少交(jiao)(jiao)通(tong)擁堵。未(wei)來，機器(qi)人將變得更加自主化，性能效率也(ye)都會(hui)(hui)顯著提(ti)高(gao)。
隨著從高度動(dong)態、非結(jie)構化(hua)自然數據中進行收(shou)集、分析和(he)決(jue)策(ce)的(de)(de)(de)需(xu)求越來越高，對計(ji)算(suan)(suan)的(de)(de)(de)需(xu)求也超越了(le)(le)經(jing)(jing)典(dian)的(de)(de)(de)CPU和(he)GPU架構。為了(le)(le)跟上技術發展的(de)(de)(de)步伐，并推動(dong)PC和(he)服務(wu)器(qi)以(yi)外的(de)(de)(de)計(ji)算(suan)(suan)，英特(te)爾(er)過(guo)去六年(nian)來一(yi)直在研究能(neng)夠加快經(jing)(jing)典(dian)計(ji)算(suan)(suan)平臺(tai)的(de)(de)(de)專用架構。最近英特(te)爾(er)還加大了(le)(le)對人工智能(neng)（AI）和(he)神經(jing)(jing)擬(ni)態計(ji)算(suan)(suan)的(de)(de)(de)投(tou)資和(he)研發。
英(ying)特爾在神經擬態計算領域的(de)(de)(de)研究工(gong)(gong)(gong)作是(shi)基于幾十年來的(de)(de)(de)研究與合作，這(zhe)項研究是(shi)由加州理工(gong)(gong)(gong)學(xue)(xue)院Carver Mead教授最先開(kai)始的(de)(de)(de)，他(ta)以半導體設計的(de)(de)(de)基礎性工(gong)(gong)(gong)作而聞名。芯片專業知(zhi)識、物(wu)理學(xue)(xue)和生物(wu)學(xue)(xue)的(de)(de)(de)結合為新(xin)想法的(de)(de)(de)創造提(ti)供了一(yi)個良好的(de)(de)(de)環境。這(zhe)些(xie)想法非常簡單，卻具有革命性：將(jiang)機器與人腦進行比較。該研究領域將(jiang)高度(du)協作和不斷支持(chi)科學(xue)(xue)的(de)(de)(de)進一(yi)步發展。
作(zuo)為(wei)(wei)英特爾(er)研(yan)究院的一(yi)個(ge)研(yan)究課題(ti)，英特爾(er)開發了代號為(wei)(wei)Loihi的第一(yi)款自(zi)主學(xue)習神經擬態芯(xin)片，它(ta)模仿了大腦根據(ju)環境的各種反饋來學(xue)習如何操作(zuo)的運作(zuo)方式(shi)。這是一(yi)種非常節能(neng)的芯(xin)片，它(ta)利用數據(ju)來學(xue)習并(bing)做出推斷，隨著(zhu)時(shi)間的推移變得更加的智能(neng)，并(bing)且不需(xu)要以(yi)傳統方式(shi)進(jin)行訓練。它(ta)采用一(yi)種新穎的方式(shi)通過異步脈沖來計算。
英特爾認為人工智(zhi)能(neng)(neng)還(huan)處(chu)于初(chu)級階(jie)段(duan)，Loihi等更多(duo)的架構(gou)和方(fang)法將不斷涌(yong)現，從而提高(gao)人工智(zhi)能(neng)(neng)的標(biao)準。神(shen)經擬態計(ji)算(suan)的靈(ling)感來(lai)自我們目前對大(da)腦(nao)結構(gou)及其(qi)計(ji)算(suan)能(neng)(neng)力的了(le)(le)解。大(da)腦(nao)的神(shen)經網絡通過脈(mo)沖來(lai)傳遞信息，根據(ju)這(zhe)些脈(mo)沖的時間(jian)來(lai)調節突(tu)觸(chu)(chu)強度或突(tu)觸(chu)(chu)連接(jie)的權重，并把這(zhe)些變(bian)化存儲(chu)在突(tu)觸(chu)(chu)連接(jie)處(chu)。腦(nao)內神(shen)經網絡及其(qi)環境中(zhong)多(duo)個區域之(zhi)間(jian)的協作和競爭性相互作用就(jiu)產生了(le)(le)智(zhi)能(neng)(neng)的行為。
機(ji)(ji)器學習，如深度(du)學習，通過使用大量的(de)訓練(lian)數據集來識別物體和事件，最近取得了(le)巨大的(de)進步。但是，除非(fei)這些(xie)訓練(lian)數據集考慮到特定的(de)元(yuan)素、條件或(huo)環境，否則這些(xie)機(ji)(ji)器學習系統不能得到很(hen)好(hao)地(di)泛化。
自主學習芯片的潛在好處是無窮無盡的。例如它能夠把一個人在各種狀況下 -- 慢跑后、吃飯前或睡覺前 -- 的(de)心(xin)(xin)跳(tiao)數(shu)據(ju)(ju)提(ti)供(gong)給一個基于神(shen)經擬態的(de)系統，來解析這些(xie)數(shu)據(ju)(ju)，確定(ding)各種狀況(kuang)下的(de)“正常”心(xin)(xin)跳(tiao)。這個系統隨后持續監測傳入(ru)的(de)心(xin)(xin)跳(tiao)數(shu)據(ju)(ju)，以(yi)標(biao)記出與“正常”心(xin)(xin)跳(tiao)模式不相符的(de)情況(kuang)。這個系統還可(ke)以(yi)針(zhen)對(dui)任何(he)用戶提(ti)供(gong)個性化服務。
這種類型的邏輯也適用于其它的應用場景，例如：網絡安全，由于系統已經學習了各種狀況下的“常態”模式(shi)，因此當數據(ju)流中出現(xian)異常(chang)或(huo)差(cha)異的時候(hou)，就可以識別出漏(lou)洞或(huo)黑客(ke)攻擊。
英特爾推出Loihi測試芯片
Loihi研究測(ce)試芯片(pian)包括模(mo)仿大腦基本機制的(de)數字電路(lu)，從而讓(rang)機器學習變得(de)更(geng)快、更(geng)高(gao)效，同時對計(ji)算(suan)力的(de)需求更(geng)小。神經(jing)擬態芯片(pian)模(mo)型(xing)的(de)靈感來自(zi)(zi)于神經(jing)元通信和學習的(de)方式，利(li)用了可(ke)根(gen)據時間調節的(de)脈沖(chong)和可(ke)塑觸突。這(zhe)將幫助計(ji)算(suan)機在模(mo)式和關聯的(de)基礎上(shang)實現自(zi)(zi)組(zu)織并做(zuo)出(chu)決策(ce)。
Loihi測試芯片(pian)(pian)提(ti)供高度靈活的片(pian)(pian)上學(xue)習(xi)能力，并(bing)把訓(xun)練和(he)推斷(duan)整(zheng)合到一(yi)個芯片(pian)(pian)上。這(zhe)讓(rang)機器實現自動化，并(bing)實時進行調整(zheng)，無(wu)需等待來自云端的下一(yi)次(ci)更新。研究(jiu)人員已(yi)證實，與(yu)其他典型的脈沖(chong)神(shen)(shen)經網(wang)絡(luo)相比，在解決MNIST數字識別(bie)問題(ti)時，以實現一(yi)定準確率所(suo)需要的總操作數來看，Loihi芯片(pian)(pian)學(xue)習(xi)速(su)度提(ti)高了100萬倍(bei)。與(yu)卷(juan)積(ji)神(shen)(shen)經網(wang)絡(luo)和(he)深度學(xue)習(xi)神(shen)(shen)經網(wang)絡(luo)相比，Loihi測試芯片(pian)(pian)在同樣的任務中需要的資源更少。
這種測試芯片的自主學習功能具有巨大的潛力，可以改進汽車和工業應用以及個人機器人 -- 包括任(ren)何(he)在非結構化環境下得益于自主操作和(he)持續學習(xi)的(de)(de)應用，例如，識(shi)別(bie)汽車或自行車的(de)(de)運動。
此外(wai)，與(yu)訓練人工智能(neng)(neng)系統的通用計算(suan)芯片相(xiang)比(bi)，Loihi芯片的能(neng)(neng)效提(ti)升了1000倍。2018年上半年，英特爾(er)將與(yu)著名大學和研究(jiu)機構共(gong)享Loihi測試芯片，致(zhi)力于推進人工智能(neng)(neng)。
更多亮點
Loihi測試芯(xin)片的功能特(te)性(xing)包括：
下一步計劃
在計算機和算法創新的推動下，人工智能的變革性力量預計將對社會產生重大影響。現在，英特爾正在運用自身的優勢，推動摩爾定律和制造領先地位，為市場帶來各種產品 -- 英特爾®至強®處理器、英特爾® NervanaTM技術、英特爾MovidiusTM技術和英特爾FPGAs -- 以便從網(wang)絡邊緣到數據中(zhong)心和云計算平(ping)臺(tai)，來滿足人工(gong)智(zhi)能計算任務的獨特需(xu)求。
通用計算和定制硬件和軟件都能在各個尺度上充分發揮作用。英特爾®至強融核TM處理器，廣泛應用于(yu)科學計(ji)算(suan)，已經(jing)產生了一些世(shi)界(jie)上較大(da)(da)的(de)模型，來解釋大(da)(da)規模的(de)科學問題。而Movidius神經(jing)計(ji)算(suan)棒則能夠在只(zhi)消耗1瓦特(te)功率的(de)情況下部署之(zhi)前的(de)訓練模型。
隨著人(ren)工智能(neng)(neng)計(ji)(ji)算(suan)任務(wu)變得越(yue)來(lai)越(yue)多樣化和復雜，研究(jiu)人(ren)員將關注(zhu)當前(qian)主流(liu)計(ji)(ji)算(suan)架構(gou)的(de)局限性，提出新的(de)顛覆性方法。展望未來(lai)，英特爾認為(wei)，神經擬態計(ji)(ji)算(suan)帶來(lai)了一種方式(shi)，以類似大腦(nao)的(de)結構(gou)來(lai)提供超大規(gui)模的(de)計(ji)(ji)算(suan)性能(neng)(neng)。
隨著我們把神經擬態計算這樣的概念推向主流，以支持未來50年的世界經濟，我希望大家未來幾個月繼續關注來自英特爾研究院的激動人心的里程碑事件。在神經擬態計算普及的未來，隨著智能和決策變得更加的順暢、快速，你所能想象的一切 -- 甚至超越你想象的事情 -- 都會變成現實。
英(ying)特爾開(kai)發(fa)創新計算架構的(de)愿景仍然(ran)堅定(ding)不移，我們(men)之所以了(le)解未(wei)來計算的(de)面(mian)貌，是(shi)因為我們(men)如今正在開(kai)發(fa)它(ta)。
欲更詳細地了解(jie)英特爾全面(mian)的人(ren)工智能解(jie)決(jue)方案產品組合，請(qing)訪(fang)問.
