向右滑动:上一篇 向左滑动:下一篇 我知道了
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。q3jEETC-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。q3jEETC-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。q3jEETC-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。q3jEETC-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。”q3jEETC-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。”q3jEETC-电子工程专辑

20190516-nao.pngq3jEETC-电子工程专辑
史丹佛大学团队开发的Braindrop芯片(来源:Stanford)q3jEETC-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。”q3jEETC-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。”q3jEETC-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。q3jEETC-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。q3jEETC-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。q3jEETC-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)。”q3jEETC-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。q3jEETC-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。”q3jEETC-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 Chengq3jEETC-电子工程专辑

 q3jEETC-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
  • 全球最大芯片WSE,遇上全球最快AI计算机CS-1 今年8月,芯片初创公司Cerebras Systems 在Hot Chips上展出了比脸还大,号称是“世界上最大”的半导体器件Wafer Scale Engine(WSE)。这款芯片首次亮相时,很多人质疑它的实用性,但在9月,Cerebras就宣布与美国能源部(DOE)达成合作,如今它又在加速深度学习的新系统上找到了自己存在的意义……
  • 2020年Gartner十大策略科技趋势预测 Gartner近日提出2020年企业必须了解的十大策略性科技趋势。分别为超级自动化、多重体验、专业知识的全民化、增进人类赋能、透明化与可追溯性、更强大的边缘运算、分布式云端、自动化对象、实用性区块链,以及人工智能安全性。
  • 如何选择AI加速器? 越来越多的公司开始将机器学习纳入其营运业务中,但随着AI生态系统扩展,他们开始面对如何为其业务决定最适用加速器的“选择题”…
  • 安静!我要跟车子讲话... 随着CarPlay、Android Auto以及Echo Auto等平台渗透乘用车市场,车内语音识别技术预期将成为主流;但仍有一个答案未知的问题是:市场上有任何语音启动技术已经准备好因应车内的关键任务了吗?
  • 16999的华为折叠屏手机Mate X已被炒到9万一部 华为Mate X 5G版刚刚开售,一秒即宣告售罄。官网售价16999元的Mate X由于一机难求,在闲鱼平台甚至有用户加价2万回收,淘宝也有卖家标价超出6万、8万,甚至9万元。折叠屏手机被热炒的主要原因是供应不足,而华为品牌又是其中被炒得最厉害的,但从业内专家们看来,目前折叠屏还在产能爬坡中,产业链上下游并没有成熟,用户们是在为高昂的研发成本买单……
  • 寒武纪发布边缘AI芯片思元220,全面覆盖云边端 随着5G时代的到来,边缘计算越来越受到关注,也越来越多的系统、算法和应用厂商开始加入进来。11月14日,寒武纪在第21届高交会正式发布边缘AI系列产品思元220(MLU220)芯片及M.2加速卡产品。思元220标志寒武纪在云、边、端实现了全方位、立体式的覆盖。
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