芯耀
188
如果您關(guān)注科技行業(yè)的最新趨勢(shì)，您可能知道行業(yè)內(nèi)針對(duì)“下一件大事”將是什么的爭(zhēng)論有很多。很多人認(rèn)為是增強(qiáng)現(xiàn)實(shí) (AR) 眼鏡，有些人則認(rèn)為會(huì)是全自動(dòng)駕駛汽車，還有一些人認(rèn)同5G的潛力。然而，無論趨勢(shì)最終是什么，都將以某種方式由人工智能（AI）提供動(dòng)力。事實(shí)上，人工智能和機(jī)器學(xué)習(xí)（ML）是我們的未來發(fā)展方向。
圖片來源：Amazon
幾周前，亞馬遜的Astro出人意料地首次亮相，個(gè)人機(jī)器人設(shè)備和數(shù)字伙伴也加入了競(jìng)技場(chǎng)。
需要明確的是，我們已經(jīng)在人工智能推動(dòng)的許多領(lǐng)域看到了一些令人難以置信的進(jìn)步。高級(jí)分析、神經(jīng)網(wǎng)絡(luò)訓(xùn)練和其他相關(guān)領(lǐng)域（其中大量數(shù)據(jù)用于查找模式、學(xué)習(xí)規(guī)則，然后應(yīng)用它們）一直是現(xiàn)有 AI 方法的巨大受益者。
與此同時(shí)，如自動(dòng)駕駛這樣的應(yīng)用，僅僅將越來越多的數(shù)據(jù)推送到算法中，這些算法產(chǎn)生了不斷改進(jìn)但仍然存在缺陷的機(jī)器學(xué)習(xí)模型并不能真正發(fā)揮作用。我們離真正的L5級(jí)自動(dòng)駕駛還有很遠(yuǎn)的距離，考慮到特斯拉的AutoPilot導(dǎo)致的事故甚至傷亡事件的發(fā)生，也許是時(shí)候考慮另一種方法了。
同樣，我們?nèi)蕴幱趥€(gè)人機(jī)器人時(shí)代的初期，但很容易想到，自動(dòng)駕駛汽車和機(jī)器人之間的概念相似性。歸根結(jié)底，問題在于，根本無法將每個(gè)潛在場(chǎng)景輸入到AI訓(xùn)練模型中，并就如何應(yīng)對(duì)任何給定情況做出反應(yīng)來創(chuàng)建一個(gè)預(yù)先確定的答案。隨機(jī)性和意料之外的影響實(shí)在太大了。
我們需要的是一種能夠真正獨(dú)立思考和學(xué)習(xí)的計(jì)算，然后將其學(xué)習(xí)能力適應(yīng)那些意想不到的場(chǎng)景。這聽起來可能很瘋狂，也可能引起爭(zhēng)議，但這正是神經(jīng)形態(tài)計(jì)算領(lǐng)域的研究人員正在嘗試做的事情。其基本思想是以數(shù)字形式復(fù)制我們所知的人腦中適應(yīng)性最強(qiáng)的計(jì)算/思維組織的結(jié)構(gòu)和功能。根據(jù)基本生物學(xué)原理，神經(jīng)形態(tài)芯片試圖利用數(shù)字突觸在神經(jīng)元之間發(fā)送電脈沖，重建一系列相連的神經(jīng)元，就像生物大腦一樣。
這是一個(gè)已經(jīng)存在了幾十年的學(xué)術(shù)研究領(lǐng)域，但直到最近才開始取得真正的進(jìn)展并獲得更多的關(guān)注。英特爾發(fā)布了第二代神經(jīng)形態(tài)芯片Loihi 2，以及一個(gè)新的開源軟件框架，被稱為L(zhǎng)ava。
圖片來源：Intel
Loihi 2不會(huì)很快進(jìn)行商用，它被稱為一款研究芯片，最新版本提供了100萬個(gè)神經(jīng)元，與人類大腦中發(fā)現(xiàn)的約1000億個(gè)神經(jīng)元相去甚遠(yuǎn)。盡管如此，這仍是一個(gè)令人印象深刻、雄心勃勃的項(xiàng)目，其性能是其2018年版本的10倍，密度是后者的15倍（基于新的Intel 4芯片制造工藝技術(shù)的基礎(chǔ)上），并提高了能效。此外，還提供了更好更容易的方式將其獨(dú)特的架構(gòu)與其他傳統(tǒng)的芯片互連。
英特爾顯然從第一版Loihi中學(xué)到了很多東西，最大的體會(huì)之一是為這種全新的架構(gòu)開發(fā)軟件非常困難。因此，另一個(gè)重要部分是Lava的首次亮相，這是一個(gè)開源軟件框架和一套可用于為L(zhǎng)oihi編寫應(yīng)用程序的工具。該公司還提供可以在傳統(tǒng)CPU和GPU上模擬其操作的工具，以便開發(fā)人員可在不訪問芯片的情況下創(chuàng)建代碼。
關(guān)于神經(jīng)形態(tài)芯片的運(yùn)作方式是特別令人著迷的，盡管其功能與傳統(tǒng)的CPU計(jì)算和類似GPU的并行計(jì)算模式截然不同，但它們可以用來實(shí)現(xiàn)一些相同的目標(biāo)。換句話說，像Loihi 2這樣的神經(jīng)形態(tài)芯片可以提供傳統(tǒng)人工智能所追求的理想結(jié)果，其速度更快、能效更高、數(shù)據(jù)密集度更低。通過一系列異步發(fā)生的基于事件的尖峰，觸發(fā)數(shù)字神經(jīng)元以各種方式作出反應(yīng)，就像人腦的操作一樣（與CPU和GPU中的同步結(jié)構(gòu)化處理相比），神經(jīng)形態(tài)芯片基本上可以動(dòng)態(tài)“學(xué)習(xí)”新事物。因此，神經(jīng)形態(tài)芯片非常適合那些必須對(duì)新刺激做出實(shí)時(shí)反應(yīng)的設(shè)備。
這些功能就是為什么這些芯片如此有吸引力的所在，而自動(dòng)駕駛汽車本質(zhì)上就是這樣。歸根結(jié)底，最終可能需要商業(yè)上的神經(jīng)形態(tài)芯片來驅(qū)動(dòng)夢(mèng)想中的自動(dòng)駕駛汽車。
當(dāng)然，神經(jīng)形態(tài)計(jì)算并不是推進(jìn)技術(shù)發(fā)展的唯一新方法。在量子計(jì)算領(lǐng)域，也有大量的工作正在進(jìn)行中。與量子計(jì)算一樣，神經(jīng)形態(tài)計(jì)算的內(nèi)部工作也異常復(fù)雜，目前主要多見于為企業(yè)研發(fā)實(shí)驗(yàn)室和學(xué)術(shù)研究的研究項(xiàng)目。然而，與量子不同的是，神經(jīng)形態(tài)計(jì)算目前不需要量子所需要的極端物理挑戰(zhàn)（接近絕對(duì)零度的溫度）和功率要求。事實(shí)上，神經(jīng)形態(tài)架構(gòu)的眾多魅力之一是它們的設(shè)計(jì)功耗極低，使其適合各種移動(dòng)或其他電池供電的應(yīng)用（如自動(dòng)駕駛汽車和機(jī)器人）。
盡管最近取得了一些進(jìn)展，但神經(jīng)形態(tài)芯片的商業(yè)應(yīng)用還需要幾年的時(shí)間。然而，人類很難不被這種激發(fā)AI驅(qū)動(dòng)設(shè)備潛力變成真正智能化設(shè)備的技術(shù)所吸引。區(qū)別可能看起來很微妙，但最終我們可能需要這種新的智慧，以便讓一些“下一件大事”真正以我們能欣賞和想象的方式發(fā)生。
作者：Bob O'Donnell
