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
新加坡国立大学研究团队开发了名为IEAP的图像编辑框架,它通过将复杂编辑指令分解为简单原子操作序列解决了当前AI图像编辑的核心难题。研究发现当前模型在处理不改变图像布局的简单编辑时表现出色,但在需要改变图像结构时效果差。IEAP框架定义了五种基本操作,并利用思维链推理技术智能分解用户指令,实验证明其性能显著超越现有方法,尤其在处理复杂多步骤编辑时。
Character AI的研究者开发出TalkingMachines系统,通过自回归扩散模型实现实时音频驱动视频生成。研究将预训练视频模型转变为能进行FaceTime风格对话的虚拟形象系统。核心创新包括:将18B参数的图像到视频DiT模型改造为音频驱动系统、通过蒸馏实现无错误累积的无限长视频生成、优化工程设计降低延迟。系统可让多种风格的虚拟角色与人进行自然对话,嘴型与语音同步,为实时数字人交互技术开辟了新可能。
这项由中国人民大学高瓴人工智能学院研究团队发表的研究解决了大语言模型评判中的自我偏好问题。研究提出了DBG分数,通过比较模型给自身回答的分数与黄金判断的差异来测量偏好度,有效分离了回答质量与自我偏好偏差。实验发现,预训练和后训练模型都存在自我偏好,但大模型比小模型偏好度更低;调整回答风格和使用相同数据训练不同模型可减轻偏好。研究还从注意力分析角度揭示了自我偏好的潜在机制,为提高AI评判客观性提供了重要指导。
这篇研究提出了DenseDPO,一种改进视频生成模型的新方法,通过三大创新解决了传统方法中的"静态偏好"问题:使用结构相似的视频对进行比较,采集细粒度的时序偏好标注,并利用现有视觉语言模型自动标注。实验表明,DenseDPO不仅保留了视频的动态性,还在视觉质量方面与传统方法相当,同时大大提高了数据效率。这项技术有望推动AI生成更加自然、动态的视频内容。