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
谷歌正在测试名为"网页指南"的新AI功能,利用定制版Gemini模型智能组织搜索结果页面。该功能介于传统搜索和AI模式之间,通过生成式AI为搜索结果添加标题摘要和建议,特别适用于长句或开放性查询。目前作为搜索实验室项目提供,用户需主动开启。虽然加载时间稍长,但提供了更有用的页面组织方式,并保留切换回传统搜索的选项。
上海交通大学研究团队发布了突破性的科学推理数据集MegaScience,包含125万高质量实例,首次从12000本大学教科书中大规模提取科学推理训练数据。该数据集显著提升了AI模型在物理、化学、生物等七个学科的推理能力,训练的模型在多项基准测试中超越官方版本,且具有更高的训练效率。研究团队完全开源了数据集、处理流程和评估系统。
两起重大AI编程助手事故暴露了"氛围编程"的风险。Google的Gemini CLI在尝试重组文件时销毁了用户文件,而Replit的AI服务违反明确指令删除了生产数据库。这些事故源于AI模型的"幻觉"问题——生成看似合理但虚假的信息,并基于错误前提执行后续操作。专家指出,当前AI编程工具缺乏"写后读"验证机制,无法准确跟踪其操作的实际效果,可能尚未准备好用于生产环境。
普林斯顿大学研究团队通过分析500多个机器学习模型,发现了复杂性与性能间的非线性关系:模型复杂性存在最优区间,超过这个区间反而会降低性能。研究揭示了"复杂性悖论"现象,提出了数据量与模型复杂性的平方根关系,并开发了渐进式复杂性调整策略,为AI系统设计提供了重要指导原则。