英特尔今天宣布,代号为“Pohoiki Beach”的800万神经元神经拟态系统已经可以供广大研究人员使用,它包含64块Loihi研究芯片。通过Pohoiki Beach,研究人员可以利用英特尔的Loihi研究芯片开展实验,该芯片受到大脑启发,将生物大脑原理应用于计算机体系结构。在稀疏编码、图搜索和约束满足问题等专业应用领域,Loihi能让用户以千倍于CPU的速度和万倍于CPU的效率处理信息。
英特尔神经拟态研究芯片Loihi特写镜头。英特尔最新的神经拟态系统Pohoiki Beach由64块Loihi芯片组成。
“早些时候,我们对Loihi进行了扩展,以创建更强大的神经拟态系统。我们对这项工作取得的初步成果倍感振奋。Pohoiki Beach现在可供60多个生态系统合作伙伴使用,他们将利用这个专业化系统去解决复杂的计算密集型问题。”——英特尔研究院院长Rich Uhlig
英特尔研究院院长Rich Uhlig手持一块英特尔Nahuku基板,每块基板包含8到32块英特尔Loihi神经拟态芯片。英特尔最新的神经拟态系统Pohoiki Beach由多块Nahuku基板组成,含64块Loihi芯片。
重要意义:引入Pohoiki Beach后,研究人员能够高效扩展新型神经启发式算法——例如稀疏编码、同步定位和建图(SLAM)以及路径规划,这些算法能够根据输入的数据进行学习和调整。Pohoiki Beach是英特尔神经拟态研究工作的重要里程碑,它为英特尔研究院在今年晚些时候将该架构扩展到1亿个神经元的计划奠定了基础。
独特之处:要想根据摩尔定律不断降低功耗并提升性能,需要不仅仅持续微缩制程节点。随着复杂的新型计算工作负载成为常态,人们越来越需要为特定的应用设计专用架构。
从Pohoiki Beach神经拟态系统中,我们可以看到专用架构能为新兴应用带来诸多益处,这些新兴应用包括一些很难由物联网(IoT)和自主设备支持的困难的计算问题。利用这种不同于通用计算技术的专用系统,有望在现实世界的众多应用领域实现呈数量级的速度与效率提升,比如自动驾驶汽车、智能家居、网络安全等领域。
英特尔Nahuku基板特写镜头,每块基板包含8到32块英特尔Loihi神经拟态芯片。英特尔最新的神经拟态系统Pohoiki Beach由多块Nahuku基板组成,含64块Loihi芯片。
研究合作伙伴反馈:通过引入Pohoiki Beach,英特尔将支持全球生态系统合作伙伴继续开拓神经启发式算法研究的下一个前沿。
例如,在本周的Telluride神经拟态认知工程研讨会上,研究人员运用Loihi系统解决神经拟态工程的前沿挑战。这些项目包括让AMPRO假肢更具自适应能力、用新兴的事件相机进行对象跟踪、通过神经拟态传感控制实现桌面足球的自动化操作、学习控制线性倒立摆,以及为iCub机器人的电子皮肤提供触觉输入。
除了来自Telluride的相关展示,其他研究合作伙伴已经看到了Loihi带来的巨大效益:
滑铁卢大学教授、应用大脑研究部联合首席执行官Chris Eliasmith表示:“与GPU相比,Loihi芯片运行实时深度学习基准的功耗降低了109倍,而与专用物联网推理硬件相比,功耗则降低了5倍。一个更令人振奋的结果是,当我们将网络规模扩大50倍时,Loihi能够保持实时性能表现,功耗却只增加了30%,物联网硬件的功耗则增加了500%,而且无法保持实时性。”
“借助Loihi,我们建立了一个可模拟大脑潜在神经表征和行为的脉冲神经网络。SLAM解决方案是作为网络结构的一种属性出现的。我们对Loihi上运行的网络进行了基准测试,发现其准确性丝毫不亚于一种广泛应用于移动机器人的在CPU上运行的SLAM方法,但功耗却仅为后者的百分之一”,罗格斯大学的Konstantinos Michmizos教授在介绍其实验室的SLAM研究结果时如是说,他将在11月的智能机器人和系统国际会议(IROS)上发表这些工作成果。
下一步工作:2017年,英特尔推出首款神经拟态研究芯片Loihi,在神经拟态硬件的开发上迈出重要一步。2018年3月,英特尔神经拟态研究社区(INRC)的建立,进一步推动了神经拟态算法、软件和应用程序的开发。通过INRC,英特尔将其Loihi云系统以及基于Loihi的USB形状的系统Kapoho Bay提供给研究人员,Kapoho Bay系统有力推动了有关神经拟态技术实际应用的研究工作。
Pohoiki Beach能为英特尔的研究合作伙伴提供更大的计算规模和更强的计算能力,将进一步加快神经拟态技术的进展。
图中是一块连接到Arria 10 FPGA开发工具包的英特尔Nahuku基板,每块基板包含8到32块英特尔Loihi神经拟态芯片。英特尔最新的神经拟态系统Pohoiki Beach由多块Nahuku基板组成,含64块Loihi芯片。
今年晚些时候,英特尔将推出一款代号为“Pohoiki Springs”的Loihi系统,该系统规模更大,并且建立在Pohoiki Beach架构之上,将为扩展型神经拟态工作负载带来前所未有的性能和效率。
英特尔的工程师指出,来自这些研究系统的测量数据有望量化神经拟态计算方法能够带来的增益,并指明最适合这项技术的应用领域。这项研究为神经拟态技术的最终商业化铺平了道路。
好文章,需要你的鼓励
机器人和自动化工具已成为云环境中最大的安全威胁,网络犯罪分子率先应用自动化决策来窃取凭证和执行恶意活动。自动化攻击显著缩短了攻击者驻留时间,从传统的数天减少到5分钟内即可完成数据泄露。随着大语言模型的发展,"黑客机器人"将变得更加先进。企业面临AI快速采用压力,但多数组织错误地关注模型本身而非基础设施安全。解决方案是将AI工作负载视为普通云工作负载,应用运行时安全最佳实践。
MBZUAI研究团队发布了史上最大的开源数学训练数据集MegaMath,包含3716亿个Token,是现有开源数学数据集的数十倍。该数据集通过创新的数据处理技术,从网页、代码库和AI合成等多个来源收集高质量数学内容。实验显示,使用MegaMath训练的AI模型在数学推理任务上性能显著提升,为AI数学能力发展提供了强大支撑。
面对心理健康专业人士短缺问题,谷歌、麦肯锡和加拿大重大挑战组织联合发布《心理健康与AI现场指南》,提出利用AI辅助任务分担模式。该指南构建了包含项目适应、人员选择、培训、分配、干预和完成六个阶段的任务分担模型,AI可在候选人筛选、培训定制、客户匹配、预约调度和治疗建议等环节发挥作用。该方法通过将部分治疗任务分配给经过培训的非专业人员,并运用AI进行管理支持,有望缓解治疗服务供需失衡问题。
这项由多个知名机构联合开展的研究揭示了AI系统的"隐形思维"——潜在推理。不同于传统的链式思维推理,潜在推理在AI内部连续空间中进行,不受语言表达限制,信息处理能力提升约2700倍。研究将其分为垂直递归和水平递归两类,前者通过重复处理增加思考深度,后者通过状态演化扩展记忆容量。