全国服务热线:

改变AI发展格局,神经拟态计算还差关键一步

来源: 发布日期:2020-06-18 08:19 浏览:
    本文相关陈述 REPORTS
    2020-2025年中国人工智能职业商场深度调研及出资战略规划剖析陈述
    人工智能(ArtificialIntelligence),英文缩写为AI。它是研讨、开发用于仿照、延伸和扩展人的智能的理论、办法、技能及运用系统的一门新的技能科学。人工智能是核算机科学的一个分支,它企...

 闻名信息研讨和剖析组织高德纳猜测,到2025年,神经ag88环亚手机平台拟态芯片有望成为用于AI系统的首要芯片之一。


  20世纪80年代,科学家设想将人类大脑的功用映射到硬件上,即直接用硬件来仿照人脑结构,这种办法称为神经拟态核算,这类硬件被称为神经拟态芯片。经过近40年开展,神经拟态芯片相继问世。全球闻名信息研讨和剖析组织高德纳(Gartner)日前的猜测显现,到2025年,神经拟态芯片将成为高档人工智能布置的首要核算架构,该芯片有望成为用于AI系统的首要核算机芯片之一。


  脉冲神经网络信息处理不再依靠核算机


  传统人工智能首要以核算,即经过编程等手法完结机器智能。其间深度学习是现在广泛运用的技能之一,2006年左右,深度学习技能进入群众视界。它经过增加多层人工神经网络,赋予机器视觉、语音辨认以及自然语言处理等方面的才能。


  尽管深度学习有人工神经网络的加持,但经过核算完结智能的影子并未消失。“只不过与传统核算比较,深度学习的算法模型产生了改动,完结的物理载体仍然是核算机。”北京大学信息科学技能学院教授黄铁军承受科技日报记者采访时表明。


  “而与深度学习选用的多层人工智能神经网络不同,神经拟态核算结构的是脉冲神经网络,经过仿照生物神经网络完结智能。它自身便是能处理信息的载体,不再依靠于核算机。”黄铁军表明,神经拟态核算是探究完结人工智能的新范式。在信息处理方面,现在的人工神经网络处理的是相对静态的、固定的信息,脉冲神经网络则合适处理与时空高度相关的杂乱信息流。


  举例来说,机器人看到豹子时,选用深度学习办法能辨认出是豹子,但对机器人而言这仅仅一个系统中的信息标签,而这些信息如同与它无关,机器并不能结合这些信息为下一步的举动作出判别。而人看到豹子,不只能够经过外观辨认出自己面对的动物是猛兽,还会调查豹子的举动,乃至判别自己所在的实践环境,并依据归纳信息作出是否需求逃跑的判别。“这才是实在的智能。智能不只是信息分类这么简略,它是对时空信息进行归纳处理并作出决议计划举动的进程。”黄铁军解释道,神经拟态核算便是要经过仿照生物神经网络的办法,让机器具有挨近乃至逾越生物神经网络的系统,协助机器感知自然界中时空改动的信息,实时处理信息流并采纳举动。


  “电脑”逾越人脑成为或许


  深度学习的大规划运用对核算机的核算才能提出更高要求,一起也让经典核算机的耗能一向居高不下,而依照生物神经网络结构规划的神经拟态核算,已成为大势所趋和必然选择。


  神经拟态学工程师、德国海德堡大学物理学家卡尔海因茨·迈耶(Karlheinz Meier)表明,人脑相对核算机而言有三大特性:一是低能耗,人脑的功率大约是20瓦特,而当时企图仿照人脑的超级核算机需求几百万瓦特;二是容错性,人脑时间都在失掉神经元,而不会影响脑内的信息处理机制,而微处理器失掉一个晶体管就能被损坏;三是无须编程,大脑在与外界交互的进程中自发地学习和改动,而无需像完结人工智能的程序相同遵从预设算法所约束的途径和分支。


  黄铁军以为,经过仿照生物神经网络完结机器智能是一条十分重要的研讨道路,未来它乃至有或许打破生物智能的天花板。尽管生物神经网络是一个慢速系统,每秒钟能产生的神经脉冲数量只要十几个,生物获取和处理的信息量也处于较低水平,但一旦将生物神经网络电子化,其处理信息的才能将比被仿照的生物大脑高出多个数量级。


  黄铁军说,当与人脑相似的“电脑”变为实践时,它对人脑的大幅度逾越就产生了:速度上,“电脑”能够比人脑快多个数量级;规划上,没有颅骨约束,“电脑”能够依据需求扩容;寿数上,电子系统即便有损耗,也能够仿制迁移到新系统而永生;精度上,生物大脑的许多缺点和短板将被“电脑”防止和补偿。


  现在短少运用于实践的模型


  尽管神经拟态核算远景宽广,但要实践运用仍面对不小应战。黄铁军以为,短少运用于实践的模型是神经拟态核算最大的瓶颈。


  现在不少研讨人员正在寻找打破瓶颈的办法。有两种首要的技能途径:第一种是照着生物的脑部结构,依葫芦画瓢规划神经拟态核算系统。但条件是搞清楚生物神经网络的细节,如神经元的功用、结构,神经突触衔接的特性等。


  当时,人脑神经元的作业形式大体上已被科学家们把握,大脑中数百个脑区的功用分工也已探明,可是脑区内的神经元网络的细节依旧是个谜。如果把生物神经网络当作地球,单个神经元便是城市里的一户人家,现在城市之间的交通衔接是比较清楚的,但这远远不够,还要搞清楚每户人家是怎么衔接起来的。人脑有近千亿个神经元和数百万亿个衔接,要解分出精密蓝图,工程量可想而知。


  黄铁军以为,20年内就很有或许弄清楚人脑神经网络的精密结构。他还说到,研讨人脑结构是个长远方针,现在的作业重点是斑马鱼、果蝇等动物的脑结构。他猜测,几年之内果蝇脑(包括约30万神经元)就能解析清楚,这个等级的脉冲神经网络模型就会呈现,运用果蝇脑模型,无人机就能更好地完结飞翔、避障、追逐等。


  在生物神经网络蓝图完结之前,第二种技能途径是人工规划脉冲神经网络模型。这也是黄铁军团队的作业内容之一,如依据对生物视觉的开始了解,规划视觉脉冲神经网络模型;依据机器关于方针检测、盯梢和辨认功用的需求,研制超速全时视网膜芯片等。


  专家表明,一旦能处理实践问题,神经拟态核算将会改动人工智能的开展格式。不过,深度学习作为根本办法仍然有存在价值,就像算法仍然会在其拿手的范畴发挥作用相同。别的,仿生物神经网络是完结强人工智能的一条途径,多种多样的生物智能自身便是最好的依据,但这不等于说一切的智能问题都要用仿生办法去处理。


  “神经拟态核算不是完结智能的仅有办法。”黄铁军着重。


  延伸阅览


  神经拟态芯片不会与AI加速器构成竞赛


  神经拟态芯片是完结神经拟态核算不可或缺的硬件之一。现在,神经拟态芯片和当下备受商场喜爱的AI加速器均为处理神经网络而规划,都比CPU功能高,且都宣称能耗更低。在这样的开展布景下,有人提出疑问:神经拟态芯片和AI加速器之间会产生竞赛吗?


  英特尔神经拟态核算实验室主管迈克·戴维斯(Mike Davies)以为,神经拟态芯片不能直接与传统的AI加速器比较。AI加速器是为深度学习而规划的,它运用很多数据练习大型网络,而神经拟态核算处理单个数据样本。神经拟态芯片接收到实在国际的数据信息后,以最低的推迟和最低的功耗进行处理,此模型与AI加速器彻底不同。


  黄铁军称,神经拟态芯片和AI加速器的价值取向彻底不同。神经拟态芯片是面向未来的技能,旨在打造全新的架构,建立新的智能模型和系统。而AI加速器则是安身当下工业的技能,其意图是把“核算机+软件”打造的人工神经网络硬件化,进步运转功率。“至于让人工智能处理时空信息,构建更杂乱的神经网络,并非AI加速器当下的着眼点。究竟,从工业化视点来说,运用于实践场景处理实践问题才是最重要的。”


  “所以,神经拟态芯片和AI加速器之间不会产生竞赛。”黄铁军称,假设脉冲神经网络终究代替了深度学习技能,今日做AI加速器的生产商或许会转战神经拟态核算商场,不过那是另一回事。