英特尔公司今天宣布推出基于旗下原型Loihi芯片的神经形态计算系统,旨在模拟人类大脑处理问题的方式。
英特尔实验室主管Rich Uhlig今天在DARPA ERI峰会上表示,该系统的代号为“Pohoiki Beach”,含64个Loihi芯片,他称Pohoiki Beach具有相当于800万个神经元的计算能力。英特尔计划向60个研究合作伙伴提供新的Pohoiki Beach系统作为新兴架构的实验,Pohoiki Beach的新兴架构旨在解决人工智能中一些极为复杂的问题。
英特尔曾于2017年9月宣布推出Loihi芯片,其时曾称Loihi芯片能够模仿人类大脑的功能因而能够提供令人难以置信的学习速度。Loihi原型芯片可以使用已拥有的知识来推断新数据,进而可以不断飞速地加快学习过程。
Loihi芯片基于“神经形态计算”架构,该架构的灵感来自科学家目前对人类大脑的理解及大脑解决问题的方式。
英特尔的Loihi芯片利用人类学习灵感改善人工智能,其他研究人员也做过类似的尝试。 Qualcomm Technologies Inc.(高通)几年前就开始生产神经形态芯片。 IBM公司则打造过与人类大脑相似的人工神经元。Alphabet Inc.的DeepMind团队也曾利用偏重自然学习的深度学习方法,自然学习类似于孩子学习新技能的方式。
英特尔表示,Loihi芯片处理信息的速度比传统中央处理单元快1000倍,效率则高10,000倍,Loihi适用于稀疏编码、图搜索和约束满足问题等专业应用。
Loihi芯片
英特尔表示, 由于Loihi的功耗极低,Pohoiki Beach目前的真正潜力在于解决“物联网”和其他独立设备的一些非常困难的计算问题。
Applied Brain Research Inc.(应用大脑研究)是英特尔的研究合作伙伴。Applied Brain Research的联合首席执行官Chris Eliasmith表示,“我们用Loihi芯片运行实时深度学习基准测试,功耗比专用物联网推理硬件的功耗降低了109倍,比专用物联网推理硬件的功耗则降低了五倍。另外还有更好的一点,我们扩展网络50倍时,Loihi能持续保证实时性能结果且只多用了30%的功率,而物联网硬件在这种情况下的功率增加了500%,也不能实时。”
英特尔表示,相信基于Loihi的系统有可能在自动驾驶汽车和智能家居等应用中的实现速度和效率达到几个“数量级”的增长,这些应用需要处理大量的数据,以便获得真实、实时的数据洞悉。
Constellation Research Inc.的分析师Holger Mueller告诉记者,英特尔神经形态芯片架构的节能能力是最值得关注的一点。他表示, “这一点对于基于AI芯片组平台的基础架构即服务供应商来说是非常有益的。”
Uhlig补充表示,Pohoiki Beach系统只是英特尔神经形态计算研究的基础,英特尔计划今年晚些时候发布一个更强大的Pohoiki Springs系统,Pohoiki Springs可以扩展到1亿个神经元。
好文章,需要你的鼓励
谷歌地图将集成Gemini人工智能技术,旨在将其升级为一个"全知型副驾驶"助手。这一整合将大幅提升地图服务的智能化水平,为用户提供更加个性化和全面的导航体验。通过AI技术的加持,谷歌地图有望在路线规划、地点推荐和实时信息服务等方面实现重大突破。
这项由圣母大学和IBM研究院联合开展的研究,开发出了名为DeepEvolve的AI科学助手系统,能够像人类科学家一样进行深度文献研究并将创新想法转化为可执行的算法程序。该系统突破了传统AI要么只能改进算法但缺乏创新、要么只能提出想法但无法实现的局限,在化学、生物学、数学等九个科学领域的测试中都实现了显著的算法性能提升,为AI辅助科学发现开辟了新的道路。
微软研究人员发布新的仿真环境来测试AI智能体,研究显示当前智能体模型容易受到操纵。该名为"Magentic Marketplace"的合成平台让客户智能体与商家智能体进行交互实验。测试包括GPT-4o、GPT-5和Gemini-2.5-Flash等模型,发现智能体在面临过多选择时效率下降,且在协作方面表现不佳。研究揭示了AI智能体在无监督环境下的性能问题。
卡内基梅隆大学研究团队通过3331次大规模实验,系统揭示了代码训练如何提升AI推理能力。研究发现,代码的结构特性比语义内容更重要,适当的抽象形式(如伪代码)可以达到与原始代码相同的效果。不同编程语言产生差异化影响:低抽象语言有利于数学推理,Python更适合自然语言任务。这些发现为AI训练数据的科学化设计提供了重要指导。