科技日报记者刘园园
深度进修正遍地开花,但它可能并不是人工智能的最终方案。不管是学术界仍是财产界,都在思虑人工智能的下一步成长路径:类脑计较已悄然成为备受存眷的“种子选手”之一。
12月16日至17日,由北京将来芯片手艺高精尖立异中间及清华年夜学微电子学研究所结合主办的“北京高精尖论坛暨2019将来芯片论坛”在清华年夜学进行,此次论坛上,类脑计较成为多位权势巨子专家热议的人工智能研究标的目的。
人工智能海潮下的洋流
类脑计较又被称为神经形态计较(Neuromorphic Computing)。它不但是学术会议存眷的新热门,财产界也在摸索当中。
11月中旬,英特尔官网颁布发表了一则动静:埃森哲、空中客车、通用电气和日立公司插手英特尔神经形态研究配合体(INRC),该配合体今朝已具有跨越75个成员机构。
若是说,当下人工智能成长海潮正波澜澎湃的话,类脑计较就是海潮之下的洋流。虽不太惹人注重,将来却有可能改变人工智能成长趋向。
缘由之一是,深度进修虽在语音辨认、图象辨认、天然说话理解等范畴获得很年夜冲破,并被普遍利用,但它需要年夜量的算力支持,功耗也很高。
“我们但愿智能驾驶汽车的驾驶程度像司机一样,但此刻明显还达不到。由于它对信息的智能判定和阐发不敷,功耗也很是高。”清华年夜学微纳电子系传授吴华强告知科技日报记者,人工智能算法练习中间在履行使命时动辄耗损电量几万瓦乃至几十万瓦,而人的年夜脑耗能却仅相当于20瓦摆布。
北京年夜学计较机科学手艺系传授黄铁军也举了一个活泼的例子:市场上利用深度进修手艺的智能无人机已十分工致,但从智能水平上看,却与一只苍蝇或蜻蜓相差甚远,虽然体积和功耗比后者高良多。
寻求摹拟年夜脑的功能
到底甚么是类脑计较,它又凭甚么博得学术界和财产界的溺爱?
“类脑计较从布局上寻求设计出像生物神经收集那样的系统,从功能上寻求摹拟年夜脑的功能,从机能上寻求年夜幅度超出生物年夜脑,也称神经形态计较。”黄铁军接管科技日报记者采访时说。
类脑计较试图摹拟生物神经收集的布局和信息加工进程。它在软件层面的测验考试之一是脉冲神经收集(SNN)。
此刻深度进修一般经由过程卷积神经收集(CNN)或递回神经收集(RNN)来实现。“CNN和RNN都属于人工神经收集,此中的人工神经元,至今仍在利用上世纪40年月时的模子。”黄铁军说,固然此刻设计出的人工神经收集愈来愈年夜,也愈来愈复杂,但从底子上讲,其神经元模子没有太年夜改良。
另外一方面,在深度进修人工神经收集中,神经元之间的毗连被称为权值。它们是人工神经收集的关头要素。
而在脉冲神经收集中,神经元之间倒是神经脉冲,信息的表达和处置经由过程神经脉冲发送来实现。就像我们的年夜脑中,有年夜量神经脉冲在传递和流转。
黄铁军告知记者,因为神经脉冲在不断地传递和流转,脉冲神经收集在表达和处置信息时,比深度进修的时候性更凸起,加倍合适进行高效的时空信息处置。
推行利用可能不需太久
也有人从硬件层面往实现类脑计较,好比神经形态芯片。
2019年7月,英特尔发布动静称,其神经形态研究芯片Loihi履行专用使命的速度可比通俗CPU快1000倍,效力高10000倍。
“在对信息的编码、传输和处置方面,我们但愿从年夜脑机制中取得开导,将这些设法利用到芯片手艺上,让芯片的处置速度更快、程度更高、功耗更低。”吴华强也在进行神经形态芯片相干研究,他告知科技日报记者。
吴华强先容,在传统的冯·诺依曼架构中,信息的处置和存储是分隔的,而人的年夜脑在处置信息时,存储和处置是融为一体的。
“所以我们在测验考试研发存算一体化的芯片,但愿经由过程避免芯片内部不断地搬运数据,来年夜幅进步芯片的能效比。”吴华强说,他的团队此刻也已研发出存算一体的样品芯片。
谈到类脑计较的进展,黄铁军告知记者,今朝类脑计较仍在试探阶段,还缺少典型的成功利用。但贸易公司已嗅到味道,相干手艺取得范围性利用可能不需要太长时候。
“此刻的神经形态计较还比力初步,它的成长程度跟现有主流人工智能算法比拟,还存在必然差距。”中科院主动化所研究员张兆翔接管科技日报记者采访时以为,但作为一种新的摸索体例,应当继续对峙,由于它可能就是将来人工智能手艺成长的主要冲破口。
加载更多>>