Intels neuromorfe system surfer næste bølge i hjerneinspireret forskning

En neuromorf computer, der kan simulere 8 millioner neuroner, er i nyhederne. Udtrykket "neuromorf" antyder et design, der kan efterligne den menneskelige hjerne. Og neuromorf computing? Det beskrives som at bruge meget store integrationssystemer med elektriske analoge kredsløb, der efterligner neuro-biologiske arkitekturer i vores system.

Det er her Intel træder til, og betydeligt. Loihi -chippen anvender principperne i biologiske hjerner på computerarkitekturer. Udbyttet for brugerne er, at de kan behandle oplysninger op til 1, 000 gange hurtigere og 10, 000 gange mere effektivt end CPU'er til specialiserede applikationer, f.eks., sparsom kodning, grafsøgning og problemer med begrænsningstilfredshed.

Dens pressemeddelelse på mandag lød "Intels Pohoiki Beach, et neuromorft system med 64 chips, Leverer gennembrudsresultater i forskningstest. "Pohoiki Beach er Intels seneste neuromorfe system.

Intel fejrer, at et neuromorft system med 8 millioner neuroner omfattende 64 Loihi-researchchips-kodenavnet Pohoiki Beach-nu er tilgængeligt for det bredere forskningsmiljø. Nyhederne betyder, at Intel leverer større beregningsstørrelse og kapacitet til Intels forskningspartnere.

Det er meget en del af grunden til, at dette er en stor ting - Pohoiki Beach vil nu være tilgængelig for, hvad Intel rapporterer som "60 økosystempartnere." De kommer til at bruge systemet til projekter, der involverer komplekse beregningsproblemer, der er beregningstunge.

IEEE -spektrum præciserede fordelen klart. "Forskere kan bruge 64-chip Pohoiki Beach-systemet til at lave systemer [Pohoiki Beach-systemet består af flere Nahuku-tavler og indeholder 64 Loihi-chips], der lærer og ser verden mere som mennesker."

Rich Uhlig, administrerende direktør for Intel Labs, sagde, at de var imponerede over deres tidlige resultater "da vi skalerer Loihi til at skabe mere kraftfulde neuromorfe systemer."

Hvem er nogle af disse "økosystempartnere"? For en, Telluride Neuromorphic Cognition Engineering Workshop, en tre ugers begivenhed, der slutter 19. juli, hvor Intel er platinsponsor, undrer tilpasningsevner til et proteseben, objektsporing ved hjælp af nye begivenhedsbaserede kameraer, og udlede taktil input til den elektroniske hud på en iCub -robot.

Chris Eliasmith, professor ved University of Waterloo, var begejstret for antallet af strømforbrug. "Med Loihi-chippen har vi været i stand til at demonstrere 109 gange lavere strømforbrug med en real-time deep learning benchmark sammenlignet med en GPU, og 5 gange lavere strømforbrug sammenlignet med specialiseret IoT -inferenshardware. "

Kyle Wiggers ind VentureBeat boret ned til nogle tekniske detaljer omkring Loihi:dets udviklingsværktøjskæde "omfatter Loihi Python API, en kompilator, og et sæt runtime -biblioteker til opbygning og eksekvering af SNN'er på Loihi. Det giver en måde at oprette en graf over neuroner og synapser med brugerdefinerede konfigurationer, såsom forfaldstid, synaptisk vægt, og stigende tærskler, og et middel til at simulere disse grafer ved at injicere eksterne pigge gennem brugerdefinerede læringsregler. "

Alt i alt, Intels arbejde med et neuromorft system kan påvirke en næste generation af AI. Lang og kort, spild ikke tid og energi på kun at bruge traditionel computerlogik. Brug det til laboratorieforskning, der bringer os tættere på menneskelignende erkendelse.

"En kommende generation vil udvide AI til områder, der svarer til menneskelig erkendelse, såsom fortolkning og autonom tilpasning. Dette er afgørende for at overvinde den såkaldte 'sprødhed' af AI-løsninger baseret på neuralt netværkstræning og slutning, som afhænger af bogstavelig talt, deterministiske syn på begivenheder, der mangler kontekst og fornuftig forståelse. "

Intel Labs udtalte, at det er "drivende computer-videnskabelig forskning, der bidrager til denne tredje generation af AI. Hovedfokusområder omfatter neuromorfe computere, som er optaget af at efterligne den menneskelige hjernes neurale struktur og funktion, samt sandsynlighedsregning, som skaber algoritmiske tilgange til at håndtere usikkerheden, tvetydighed, og modsigelse i den naturlige verden. "

I 2017, Intel introducerede Loihi som "sin første neuromorfe forskningschip." Et år senere, Intel var ved at opbygge et forskningssamfund for at fremme udviklingen af ​​neuromorfe algoritmer, software og applikationer.

Vente, hvad er der galt med uddannede neurale netværk? Siden hvornår gør de ikke deres arbejde? -Senior Redaktør Samuel Moore i IEEE -spektrum :Nutidens neurale netværk lider under katastrofal glemsel. "Hvis du forsøgte at lære et uddannet neuralt netværk at genkende noget nyt - et nyt vejskilt, sige - ved blot at udsætte netværket for det nye input, det ville forstyrre netværket så hårdt, at det ville blive frygteligt at genkende noget. "

Moore tilføjede, at "Traditionelle neurale netværk forstår ikke rigtigt de funktioner, de udtrækker fra et billede på den måde, vores hjerner gør."

© 2019 Science X Network