今天,英特尔分享了英特尔神经拟态研究社区(INRC)的最新进展。该社区自2018年成立以来发展迅速,现已拥有100多名成员。英特尔今天宣布,联想、罗技、梅赛德斯-奔驰和机器视觉传感器公司Prophesee加入INRC,共同探索神经拟态计算在商业用例上的价值。此外,得益于英特尔神经拟态研究测试芯片Loihi的计算能力,英特尔还概括介绍了英特尔神经拟态研究社区更多的研究成果。

英特尔神经拟态计算实验室总监Mike Davies 表示:“短短两年时间里,我们已经形成了一个充满活力的社区,其中包括来自世界各地的数百名研究人员,神经拟态计算在计算效率、速度和智能功能方面带来数量级提升的潜力让他们深受鼓舞。我们第一次看到有越来越多证明这种潜力的场景出现。我们计划与英特尔神经拟态研究社区的合作伙伴一起,在收获的洞察基础上,让这一新生技术实现广泛和颠覆性的商业应用。”
英特尔之所以创建英特尔神经拟态研究社区,是因为我们认为没有任何公司能够凭借一己之力有效释放神经拟态计算的全部潜力。通过与学术界、产业界和政府领域的一些知名研究人员进行合作,英特尔致力于解决神经拟态计算发展中的挑战,并在未来几年内将其从研究原型发展为能够引领产业的产品。
英特尔及其合作伙伴已经展示了在现实世界边缘用例中所实现的数量级提升,并且看到了在扩展工作负载之后,解决更大的计算问题所取得的早期进展。随着神经拟态计算的不断发展,英特尔和英特尔神经拟态研究社区还发现了神经拟态技术在现实世界中的各种潜在用例,例如:支持更高效且能够自适应的机器人技术;在大型数据库中快速搜索相似的内容;让边缘设备能够实时做出复杂规划和优化决策等。联想、罗技、梅赛德斯-奔驰和Prophesee的加入,以及英特尔神经拟态研究社区中现有的《财富》世界500强企业和政府实验室,证明神经拟态技术正在稳步成熟,将从学术实验室逐步走向产业应用。
通过对英特尔神经拟态系统上的应用进行持续开发、原型设计和测试,英特尔和英特尔神经拟态研究社区成员获得了越来越多的成果,并显示在各种工作负载中神经拟态计算都能带来性能的一致性提升。现有的研究结果——例如模仿人类嗅觉系统、将基于事件的触感引入机器人,结合英特尔研究院开放日上所介绍的新基准,勾勒出一副新的图景,即:神经拟态计算非常适合新兴的、具有商业相关性的仿生智能负载。
英特尔研究院开放日重点介绍的基准更新包括:
此外,英特尔及其合作伙伴在英特尔研究院开放日活动上还展示了两个使用最先进技术的神经拟态机器人演示。与苏黎世联邦理工学院的研究人员合作,英特尔展示了Loihi如何自适应地控制水平跟踪无人机平台,实现最高可达20千赫兹的闭环速度以及200微秒的视觉处理延迟。与传统解决方案相比,这意味着效率和速度都提高了1000倍。为了解决神经拟态软件集成问题,英特尔和意大利理工学院(IIT)的研究人员在IIT的iCub机器人平台上演示了多种认知功能在Loihi上运行,其中包括基于快速、小样本学习(few-shot learning)的物体识别,对学习对象的空间感知,以及对人类互动的实时决策。
随着英特尔神经拟态研究社区的发展,英特尔将继续对这个独特的生态系统进行投资,并与成员合作以提供技术支持,探索神经拟态计算可以在哪些方面解决现实中的各种问题。此外,英特尔将继续从英特尔神经拟态研究社区汲取经验,并将其运用于公司即将发布的下一代神经拟态研究芯片的研发中。
好文章,需要你的鼓励
随着5G流量快速增长和新用例不断涌现,网络运营商需要在最小化环境影响的同时管理密集网络使用。Orange法国与爱立信合作开展创新试验,测试FDD大规模MIMO天线集成无线电,优化高流量区域频谱使用。双方还探索Cloud RAN和Open RAN架构,通过虚拟化RAN功能实现灵活的软件中心网络。合作重点关注利用AI驱动的自动化和意图驱动技术提升能源效率,在不影响性能的前提下动态调整网络资源以降低能耗。
谷歌DeepMind等顶级机构联合研究揭示,当前12种主流AI安全防护系统在面对专业自适应攻击时几乎全部失效,成功率超过90%。研究团队通过强化学习、搜索算法和人类红队攻击等多种方法,系统性地突破了包括提示工程、对抗训练、输入过滤和秘密检测在内的各类防护技术,暴露了AI安全评估的根本缺陷。
微软正在将Windows 11改造为"智能代理操作系统",在任务栏中集成AI代理功能。新功能允许AI代理在后台执行任务,用户可通过任务栏图标查看进度状态。微软还在文件资源管理器中集成Copilot,提供文档摘要、文件问答等功能。此外,Click to Do功能得到改进,可将网页表格转换为Excel文档。这些AI功能采用本地AI和云端AI混合模式,为用户提供更智能的操作体验。
西蒙弗雷泽大学和Adobe研究院联合开发的MultiCOIN技术,能够将两张静态图片转换为高质量的过渡视频。该技术支持轨迹、深度、文本和区域四种控制方式,可单独或组合使用。采用双分支架构和分阶段训练策略,在运动控制精度上比现有技术提升53%以上,为视频制作提供了前所未有的灵活性和精确度。