广告

催生更强AI,科学家致力破解人脑运算之谜

时间:2019-05-19 作者:Rick Merritt 阅读:
神经形态芯片面临的一大难题,是研究人员仍不知道大脑究竟是如何学习...

美国史丹佛大学(Stanford)教授Kwabena Boahen相信,更厉害的人工智能(AI)即将来临。他是数十位正在以人类大脑为模型开发芯片的研究学者之一,这种芯片号称能提供比目前的处理器更高几个等级的运算性能,功耗却更低。AvSEETC-电子工程专辑

Boahen最新的开发成果Braindrop除了在能源效益上胜过Nvidia的Tesla GPU,也超越其他研究机构的类似处理器;他已经着手为开发下一代可望有更高性能的芯片寻找资金,可能会采用Globalfoundries的铁电场效晶体管FET (ferroelectric FETs)工艺。AvSEETC-电子工程专辑

这类所谓的神经形态(neuromorphic)芯片面临的一大问题,是缺乏了某个关键元素──研究人员相信他们已经了解大脑用以运算的模拟处理,以及用来在神经元之间有效沟通的棘波神经网络(spiking neural network)机制,但他们不知道的是大脑如何学习。AvSEETC-电子工程专辑

那会是算法中非常重要的一个部份,却仍然缺失。像是Boahen等研究人员都因为数个不错的线索指出的发展路线感到乐观与热衷,但他们缺乏倒传递(back-propagation,或简写为backprop)的方程式。AvSEETC-电子工程专辑

在深度学习相关领域中,倒传递是训练过程的核心,速度非常缓慢而且需要昂贵的CPU、GPU资源,以及大量脱机运作内存;但这种算法可以在广泛的图形识别问题上提供出色结果。研究人员表示,倒传递与深度学习所遭遇的问题在于是“人工”的,并非以大脑的神经元以及等同于将超级计算机等级运算任务以35W电源来执行的机制为模型,Boahen在接受EE Times访问时表示:“在这个领域有非常大的机会,有很多在云端执行的应用有大量会产生延迟的需求,都不是使用深度学习网络。”AvSEETC-电子工程专辑

举例来说,神经形态芯片能实时监控并分析桥梁的震动,却仅需能量采集器提供的几微瓦(microwatt)电力,只在人类需要采取行动时进行通讯;“我们应该思考,我们如何能让所有的任务──不只是云端服务──都能利用神经系统。”AvSEETC-电子工程专辑

20190516-nao.pngAvSEETC-电子工程专辑
史丹佛大学团队开发的Braindrop芯片(来源:Stanford)AvSEETC-电子工程专辑

Boahen的乐观在最近一场于美国纽约州举行的技术研讨会(Neuro Inspired Computational Elements Workshop,NICE 2019)上获得了众多该领域顶尖研究学者的回响。如英特尔(Intel)的神经形态运算实验室负责人Mike Davies就表示:“我们希望能拓展我们能执行的运算种类范围,有很多在大脑中完成的有趣运算,并不在深度学习的范围内。”AvSEETC-电子工程专辑

Davis在该场研讨会的演说中指出:“深度学习所使用的只是神经元的粗略近似物,但因为倒传递算法支持脱机训练,所以很有用。这不是神经激发概念,而是一种随机梯度下降法(stochastic gradient descent),但运作成果相当好。”AvSEETC-电子工程专辑

英特尔研究人员正在利用其14纳米Loihi研究芯片来改善神经形态运算;这种主要是数字逻辑的芯片内含12万8,000个神经元,该公司打算在6月推出内含768颗该芯片的5U系统。AvSEETC-电子工程专辑

Davies提及能实现以棘波神经网络进行训练的三种具潜力方法的研发工作,也乐观表示英特尔很快就能找到他们已经在Loihi芯片上执行的、训练某个版本长短期记忆(LSTM)神经网络的方法;“我们要研究人员利用该芯片研发算法以及其可编程性的基础问题,”在此同时,英特尔继续改善该研究芯片架构,以削减其因为整合了运算与内存的相对较高成本。AvSEETC-电子工程专辑

除了以上研究成果,德国海德堡大学(Heidelberg University)的研究人员已利用了晶圆级整合技术打造其BrainScales组件;他们正在为预计明年发表的第二代芯片添加可编程核心,以模仿大脑的可塑性。AvSEETC-电子工程专辑

IBM的半导体与AI研究副总裁Mukesh Khare则透露,该公司正在研发结合模拟核心与非挥发性内存的芯片,以交叉点数组(crosspoint arrays)储存权重。他在上述的技术研讨会上对听众表示:“运算的未来是位、神经元与量子位(qubits)。”AvSEETC-电子工程专辑

使用忆阻器(memristor)数组也是一个被广泛研究的方案。资深研究人员Steve Furber介绍了号称全球最大的棘波神经网络系统Spinnaker,位于英国曼彻斯特大学(University of Manchester),在11个机柜里包含了上百万颗的Arm处理器核心,是欧洲为人脑研究项目(Human Brain Project)设置的众多系统之一,主要用来执行神经科学应用程序。AvSEETC-电子工程专辑

不过Fuber在演说中表示,为了因应打造人脑功能实际模型的挑战如此艰巨,除了Spinnaker本身的例行除错,没有任何一种应用程序会用到该系统10%以上的资源;“人脑仍然是最前沿的科学研究之一,我们基本上仍不了解我们的脑袋里正在发生的信息处理原则。”AvSEETC-电子工程专辑

(未完待续…完整阅读本文请看电子工程专辑台湾版杂志2019年6月刊)     编译:Judith ChengAvSEETC-电子工程专辑

 AvSEETC-电子工程专辑

本文为EET电子工程专辑 原创文章,禁止转载。请尊重知识产权,违者本司保留追究责任的权利。
Rick Merritt
EE Times硅谷采访中心主任。Rick的工作地点位于圣何塞,他为EE Times撰写有关电子行业和工程专业的新闻和分析。 他关注Android,物联网,无线/网络和医疗设计行业。 他于1992年加入EE Times,担任香港记者,并担任EE Times和OEM Magazine的主编。
您可能感兴趣的文章
  • 这个“老顽童”解锁黑科技,颠覆你的想象! 如今,人们的日常生活已经很难离开手机、电脑等各类电子产品,层出不穷的黑科技也在不断改善着人们的生产生活。今天,小编就带大家盘点一下那些令人叹为观止的新产品、新应用。
  • 边缘与网关集成,拓展人工智能广阔疆域 得益于在亚马逊Alexa 和苹果Siri 等消费设备和服务中的广泛应用,机器学习和人工智能 (AI) 已成为主流技术。事实证明,这些系统能精准识别会话语音并在复杂视觉场景中辨认和说出对象名称。Facebook 称其每天运用该技术执行约 60 亿次翻译任务。然而,人工智能的应用远不仅限于消费者服务领域。
  • 医疗和工业物联网数据大爆发,AI应该这样做 我们发现在工业和医疗物联网领域,目前出现了一个共性趋势,就是数据的爆炸性增长——很多此前没有的数据被创造了出来。5-10年以前,数据仅仅用于一些本地应用,但随着物联网时代的到来, 越来越多设备实现联网,如何使用这些数据成为了最大的问题。
  • 中美贸易战专家访谈之二:科技大战将对华为和中国AI产业 Ernst预测:“这场科技战爆发所造成的破坏,可能会比大众媒体通常所认为的更严重、持续时间也更长。”继从历史脉络分析中美贸易关系的变化,他将分享在中国针对人工智能(AI)产业进行的实地访察,探讨中美贸易战为AI技术发展带来的冲击。
  • 中美贸易战专家访谈之一:科技大战破坏力极严重 中美关系专家Dieter Ernst预测:“这场科技战爆发所造成的破坏,可能会比大众媒体通常所认为的更严重、持续时间也更长......
  • 芯之联:小芯片在AIoT时代的大作为 近来人们不再像从前那样单独提及AI(人工智能)和IoT(物联网),而是将其融合在一起,AIoT(人工智能物联网)成为科技行业热词。AI+IoT成为业内共识,语音识别+人脸识别+边缘计算+物联网等多概念融入,借助AI、大数据、云计算等技术,实现“云+边+端”的全新模式被广泛接受。
相关推荐
    广告
    近期热点
    广告
    广告
    广告
    可能感兴趣的话题
    广告