被称为“第五代 AI”的神经形态计算进展到哪一步了?
来源:北京物联网智能技术应用协会
AI可以像人脑一样运作吗?几十年来,研究人员一直在问这个问题,这个大家长期求索的问题引起了质疑、嘲笑、轻蔑等不同态度。
但是现在,神经形态计算让世界变得更美好的梦想更近了一些。当我们越深入了解神经形态计算的好处后,越发会发现机器学习和AI探索的成功似乎在很大程度上就取决于这个领域的进展。
神经形态计算对当代AI的助益
未来的技术,例如自动驾驶汽车和机器人,将需要实时访问和利用大量数据和信息。如今,在一定程度上,这是通过依赖于超级计算机功能的机器学习和AI完成的。但是,这些需求正在急剧增长,速度、功率和规模正在成为阻碍进步的主要障碍。
神经形态计算芯片可以处理高速处理多个任务、学习任务和模式。这些芯片的功耗更低(最多可降低1000倍),效率可与超级计算机媲美。
神经形态计算芯片是传统系统中的重要升级,它紧凑,便携且节能,是机器学习和AI模型的完美助手。
正是因为了解这一点,科研人员不遗余力地投入神经形态计算的研究。有些人尝试通过复制人脑的物理形态来进行研究,也有人尝试复制其功能。相比于前者,我们对后者的设想更加乐观,因为这个想法有望取代戈登·摩尔(Gordon Moore)的设想——将晶体管封装到基板上。
神经形态计算涉及神经网络的创造和使用,其功能类似于人的大脑,可以进行决策,还可以存储信息并分析事实。它“展示了史无前例的低功耗计算基板,可在许多应用中应用。”
——IBM神经形态专利申请
神经形态计算近期发展
尽管有许多人闯进这条跑道,但只有少数人跑在前方。我们来看一下神经形态计算的重要进展:
英特尔Loihi——GPU的未来
这是一个14nm芯片,具有超过20亿个晶体管和三个管理Lakemont内核。“它包含一个可编程微代码引擎,用于异步尖峰神经网络(SNN)的片上训练。该内核共有128个核心包,每个核都有一个内置的学习模块,总共有约131,000个计算“神经元”相互通信,从而使芯片能够理解外界的刺激。”
Loihi可以比嗅探犬更快地嗅出十种有害物质,还可以检测周围的有毒烟雾和疾病,并可以自动调节,以促进不同形式的学习。
将来,这个芯片将有望从经验中进行学习并实现自主决策。锦上添花的是,它的功耗大大降低,有望取代GPU。
IBM TrueNorth——晶体管数量的大力神
TrueNorth拥有4,096个内核,使用三星的28纳米制程,带有54亿个晶体管。它是IBM晶体管数量最多的芯片,在模拟复杂的递归神经网络时功率不到100Mw,功率密度为20mW / cm2。
TrueNorth的体系结构可以解决“视觉、听觉和多传感器融合的问题,并且有可能通过将类似大脑的功能集成到受功率和速度限制的设备中,从而彻底改变计算机行业。”
IBM表示,它可以有效地“实时处理高维、嘈杂的感官数据”,且能耗比普通计算机低。
麻省理工学院——芯片上的大脑
这是一种由硅天竺葵制成的芯片,具有“超过100万亿个突触来介导大脑中的神经元信号”。在模拟实验中,它可以95%的准确度精准模仿人类的笔迹。此外,它还可以用于制作类人生物与自动驾驶技术。
高通——Zeroth处理器
这款芯片致力于“生物启发性学习”的三个主要目标;使设备能够像人类一样观察和感知世界;创建和定义神经处理单元(NPU),高通正在开发打破传统模式的新型计算机体系结构。
神经形态计算的未来
神经形态计算将极大地影响机器学习和AI的未来。“这些新型芯片应极大地增加机器学习的使用,降低应用程序的耗能,同时加速响应速度。”德勤市场分析表示。
借助神经形态计算,必将促进人工智能的发展。
小常识
神经形态计算是第五代AI。
第一代AI定义了规则并遵循经典逻辑,在特定的、狭义的问题域内得出结论。
第二代AI使用深度学习网络来分析输入,并专注于感官与感知能力。
第三代AI像人类一样进行思维,进而解释和适应调整。
第四代AI结合了不同的机器学习算法和其他形式的人工智能算法来实现目标或任务。
未来智能实验室的主要工作包括:建立AI智能系统智商评测体系,开展世界人工智能智商评测;开展互联网(城市)云脑研究计划,构建互联网(城市)云脑技术和企业图谱,为提升企业,行业与城市的智能水平服务。
如果您对实验室的研究感兴趣,欢迎加入未来智能实验室线上平台。扫描以下二维码或点击本文左下角“阅读原文”
被称为“第五代 AI”的神经形态计算进展到哪一步了?相关推荐
- 神经形态计算的物理学
来源: 集智俱乐部 作者:张晓雨 编辑:邓一雪 摘要 神经形态计算(neuromorphic computing)从脑科学汲取灵感来为信息处理创造节能硬件,并能适应高度复杂的任务.2020年发表在 ...
- 人工智能高性能计算、神经形态计算和量子计算介绍
有三种技术,可以带来更快.更简单.更廉价.更聪明的人工智能.今天,高性能计算,以及后来出现的量子计算机和神经形态计算已触手可及:并且,后两者正变革着人工智能和方兴未艾的深度学习. 人工智能与深度学习的 ...
- 北大30岁女博导获2019 IEEE青年成就奖,全球仅三人,深耕微纳电子、神经形态计算...
机器之心报道 参与:张倩.蛋酱.泽南 在 2019 年 IEEE 青年成就奖的颁奖典礼上,全球共有 3 位研究者获奖,来自北大的黄芊芊就是其中一位.她是亚洲地区的唯一获奖者,也是该奖项设立以来第二位来 ...
- c# 计算空格宽度像素_Adv. Mater:2D材料缺陷工程实现全光控存储和神经形态计算...
研究背景 在当前的人工视觉技术中,最先进的成像设备可以有效地检测图像.但是,这些系统会生成大量的冗余数据集,这需要大量计算来提取有意义的信息和大数据存储.此外,这些高要求导致了数据延迟和高功耗,对下一 ...
- 预测机器剩余使用寿命的可解释回归框架;基于磁场诱导Skyrmion动力学的神经形态计算模式识别;宽截面纳米带连续体内外的束缚态:一种新的递归S矩阵方法;脑-机接口:研究从视觉诱发电位到纯粹想象稳态电位
可解释的机器学习 1)中文标题:预测机器剩余使用寿命的可解释回归框架 英文标题:An Explainable Regression Framework for Predicting Remaining ...
- 效率达CPU一万倍、内含800万神经元:英特尔发布神经形态芯片超算
效率达CPU一万倍.内含800万神经元:英特尔发布神经形态芯片超算 人类大脑由 860 亿个互相连接的神经元组成,英特尔最近推出的类脑芯片系统 Pohoiki Beach 向「模拟大脑」这一目标前进了 ...
- 《自然-机器智能》:神经形态技术可使大型深度学习网络节能16倍
来源: 学术头条 受生物大脑机制的启发,研究人员一直在提高人工神经网络的性能效率和计算要求.一项新的研究表明,对于大型深度学习网络,神经形态技术的能源效率有望达到其他人工智能系统的 16 倍. 格拉茨 ...
- 同理心案例及故事分享_神经形态,视觉可及性和同理心
同理心案例及故事分享 "A good UX designer has empathy". "优秀的UX设计人员具有同理心". This is something ...
- 效率达CPU一万倍的神经形态芯片发布后,英特尔引发了多方吐槽
安妮 发自 凹非寺 量子位 出品 | 公众号 QbitAI 在正在举行的2019电子复兴峰会上,英特尔推出了一个类脑芯片系统,让吃瓜群众一下子来了精神. 这个系统名为Pohoiki Beach,看起来 ...
最新文章
- ZendFramework的介绍、安装和实例运行
- Android规范文档
- 其实吧,微信就是已经用电脑上线,第二天消息还是从手机上重新接收
- volunteer is great
- Andrew Ng机器学习课程7
- SpringMVC处理静态资源
- 攻防比赛_2020年度泉州市大学生网络安全攻防比赛在黎明职业大学圆满落幕
- 鸿蒙os硬件要求,华为公布鸿蒙OS 2.0硬件安装要求:只要128K内存就能跑
- VOIP通信中影响语音质量的因素
- ie ajax缓存怎么清理,解决Ajax中IE浏览器缓存问题
- 国内主流的大数据平台厂商有哪些?
- 克孜勒苏柯尔克孜自治州谷歌高清卫星地图下载
- 记录,Cents 7 更改home和root的中文路径
- 树莓派配置文件 config.txt - HDMI 热插拔
- 什么是数据模型?常用的数据模型有哪些?
- bookxnote,类MarginNote的pc笔记软件,可与anki联合使用
- Visual Paradigm 在 Linux 和 Unix 系统电脑上安装教程
- 龙梦迷你电脑福珑2.0通过手机USB共享网络联网
- 阅读nutch.Analysis.jj
- java/php/net/pythona鞋店管理信息系统设计
热门文章
- c++ demo: 单词转换
- 用随机游动生成时间序列的合成数据
- 外卖平台涉嫌大数据杀熟,处理不能“自说自话”
- 独家 | 人工智能和大数据是如何联系在一起的?
- 报名 | Sven Travis教授设计与人工智能思享会
- 剑指offer:求1+2+3+...+n
- Facebook AI指出:CNN的padding机制,存在一大缺陷
- 【目标检测系列】CNN中的目标多尺度处理方法
- 【目标检测基础积累】常用的评价指标
- 玩转Python!一文详述Python 的高性能使用技巧