尽管目前人工智能的发展速度已经远超以往,但在很多方面,即使最先进的AI仍无法与人类大脑相匹敌。AI科学家一直在致力于寻求突破,而今天,英特尔公司公布了一款原型自主学习芯片,并宣称该芯片将能够让AI更快、更智能且更自然地具有如人类一般的直觉感受能力。
英特尔方面表示,该公司的全新Loihi神经元测试芯片可以通过模拟人类大脑神经结构——13万个神经元与1.3亿个神经突触——以实现令人难以置信的学习速度。据称,该芯片能够使用其已具备的知识对新数据做出相关推理,并且随着时间的推移,其学习进程也在不断加速。
英特尔实验室副总裁兼总经理Michael Mayberry 表示:“我们认为,目前AI正处于起步阶段,此后有关该领域的更多架构与方法(如Loihi)都将陆续出现,为发展AI提供必要的条件。”
具体而言,Michael Mayberry补充称,英特尔公司的芯片专注于“神经元计算”,而这一研究灵感来自于目前我们对大脑架构及其相关计算方式的理解。
然而,英特尔的Loihi芯片只是迄今为止研究人员从人类学习中获取灵感以改善AI的众多尝试之一。例如,高通技术公司已经拥有多年的神经元芯片生产经验,IBM公司曾一直致力于创造与人类大脑相似的人工神经元,Alphabet公司的DeepMind团队也采用了深度学习方法,以期借此获得与儿童学习新技能相似的自然学习能力。
Mayberry解释称:“大脑的神经网络依赖于脉冲或峰电位所提供的信息,并根据这些峰电位的时序以调节互连突触的强度或权重表现,随后将相应变化锁定于互连处。而正是脑内神经网络及其环境中的多个区域之间的这种合作与竞争性交互作用产生了智能行为。”
Mayberry表示,Loihi等自主学习芯片能够为AI提供广泛的使用途径。例如,一套基于神经形态的系统可用于监测人类处于日常活动状态下的心率,以及时发现异常心律。Mayberry补充称,类似的方法也可用于网络安全发现系统的异常行为。
另外,英特尔方面表示,Loihi芯片除了其速度令人印象深刻,该芯片与用于典型AI培训系统的通用芯片相比,其能源效率也高出1000倍。
Mayberry表示:“随着AI的工作负载变得越来越多元与复杂,其将检验当今主流计算架构的局限性,并提出新的颠覆性方法。放眼未来,英特尔方面认为,神经元计算——作为受人类大脑运作方式的启发研究而出现的技术成果——提供了一种切实可行的方法,能够在人工智能领域中实现理想的超大规模性能表现。”
好文章,需要你的鼓励
谷歌发布新的AI学术搜索工具Scholar Labs,旨在回答详细研究问题。该工具使用AI识别查询中的主要话题和关系,目前仅对部分登录用户开放。与传统学术搜索不同,Scholar Labs不依赖引用次数或期刊影响因子等传统指标来筛选研究质量,而是通过分析文档全文、发表位置、作者信息及引用频次来排序。科学界对这种忽略传统质量评估方式的新方法持谨慎态度,认为研究者仍需保持对文献质量的最终判断权。
Meta公司FAIR实验室与UCLA合作开发了名为HoneyBee的超大规模视觉推理数据集,包含250万训练样本。研究揭示了构建高质量AI视觉推理训练数据的系统方法,发现数据质量比数量更重要,最佳数据源比最差数据源性能提升11.4%。关键创新包括"图片说明书"技术和文字-图片混合训练法,分别提升3.3%和7.5%准确率。HoneyBee训练的AI在多项测试中显著超越同规模模型,同时降低73%推理成本。
Meta发布第三代SAM(分割一切模型)系列AI模型,专注于视觉智能而非语言处理。该模型擅长物体检测,能够精确识别图像和视频中的特定对象。SAM 3在海量图像视频数据集上训练,可通过点击或文本描述准确标识目标物体。Meta将其应用于Instagram编辑工具和Facebook市场功能改进。在野生动物保护方面,SAM 3与保护组织合作分析超万台摄像头捕获的动物视频,成功识别百余种物种,为生态研究提供重要技术支持。
上海AI实验室团队提出ViCO训练策略,让多模态大语言模型能够根据图像语义复杂度智能分配计算资源。通过两阶段训练和视觉路由器,该方法在压缩50%视觉词汇的同时保持99.6%性能,推理速度提升近一倍,为AI效率优化提供了新思路。