人工智能继续迭代 类脑计算悄然走红

  • 时间:
  • 浏览:0

调查问題报告 加载中,请稍候。

若长时间无响应,请刷新本页面

  厚度学习正遍地开花,但它不可能 不须人工智能的终极方案。无论是学术界还是产业界,就有思考人工智能的下一步发展路径:类脑计算已悄然成为备受关注的“种子选手”之一。

  12月16日至17日,由北京未来芯片技术高精尖创新中心及清华大学微电子学研究所联合主办的“北京高精尖论坛暨2019未来芯片论坛”在清华大学举行,这次论坛上,类脑计算成为多位权威专家热议的人工智能研究方向。

  人工智能浪潮下的洋流

  类脑计算又被称为神经特征计算(Neuromorphic Computing)。它不仅是学术会议关注的新热点,产业界也在探索之中。

  11月中旬,英特尔官网宣布了一则消息:埃森哲、空中客车、通用电气和日立公司加入英特尔神经特征研究共同体(INRC),该共同体目前已拥有超过7十个 成员机构。

  不可能 说,当下人工智能发展浪潮正波涛汹涌励志的话 ,类脑计算但是 浪潮之下的洋流。虽不太引人注意,未来却有不可能 改变人工智能发展趋势。

  意味着 之一是,厚度学习虽在语音识别、图像识别、自然语言理解等领域取得很大突破,并被广泛应用,但它不可以少量的算力支撑,功耗也很高。

  “大伙希望智能驾驶汽车的驾驶水平像司机一样,但现在显然还达这么。不可能 它对信息的智能判断和分析欠缺,功耗也非常高。”清华大学微纳电子系教授吴华强告诉科技日报记者,人工智能算法训练中心在执行任务时动辄消耗电量几万瓦甚至几十万瓦,而人的大脑耗能却仅共要20瓦左右。

  北京大学计算机科学技术系教授黄铁军也举了2个 生动的例子:市场上应用厚度学习技术的智能无人机不可能 十分灵巧,但从智能程度上看,却与一只苍蝇或蜻蜓相差甚远,尽管体积和功耗比后者高什么都有有。

  追求模拟大脑的功能

  到底哪此是类脑计算,它又凭哪此赢得学术界和产业界的宠爱?

  “类脑计算从特征上追求设计出像生物神经网络那样的系统,从功能上追求模拟大脑的功能,从性能上追求大幅度超越生物大脑,也称神经特征计算。”黄铁军接受科技日报记者采访时说。

  类脑计算试图模拟生物神经网络的特征和信息加工过程。它在软件层面的尝试之一是脉冲神经网络(SNN)。

  现在厚度学习一般通过卷积神经网络(CNN)或递归神经网络(RNN)来实现。“CNN和RNN都属于人工神经网络,其中的人工神经元,至今仍在使用上世纪40年代时的模型。”黄铁军说,好的反义词现在设计出的人工神经网络这么 大,也这么 比较复杂,但从根本上讲,其神经元模型这么 这么来越多改进。

  或多或少人面,在厚度学习人工神经网络中,神经元之间的连接被称为权值。它们是人工神经网络的关键主次。

  而在脉冲神经网络中,神经元之间却是神经脉冲,信息的表达和防止通过神经脉冲发送来实现。就像大伙的大脑中,有少量神经脉冲在传递和流转。

  黄铁军告诉记者,不可能 神经脉冲在不停地传递和流转,脉冲神经网络在表达和防止信息时,比厚度学习的时间性更突出,更加适合进行高效的旧時光信息防止。

  推广应用不可能 不需这么来越多

  就其他同学从硬件层面去实现类脑计算,比如神经特征芯片。

  2019年7月,英特尔发布消息称,其神经特征研究芯片Loihi执行专用任务的厚度可比普通CPU快11150倍,厚度高111500倍。

  “在对信息的编码、传输和防止方面,大伙希望从大脑机制中获得启发,将哪此想法应用到芯片技术上,让芯片的防止厚度变慢、水平更高、功耗更低。”吴华强也在进行神经特征芯片相关研究,他告诉科技日报记者。

  吴华强介绍,在传统的冯·诺依曼架构中,信息的防止和存储是分开的,而人的大脑在防止信息时,存储和防止是融为一体的。

  “什么都有有大伙在尝试研发存算一体化的芯片,希望通过防止芯片内部内部结构不停地搬运数据,来大幅提高芯片的能效比。”吴华强说,他的团队现在也已研发出存算一体的样品芯片。

  谈到类脑计算的进展,黄铁军告诉记者,目前类脑计算仍在摸索阶段,还欠缺典型的成功应用。但商业公司不可能 嗅到味道,相关技术获得规模性应用不可能 这么太长时间。

  “现在的神经特征计算还比较初步,它的发展水平跟现有主流人工智能算法相比,还趋于稳定一定差距。”中科院自动化所研究员张兆翔接受科技日报记者采访时认为,但作为本身生活新的探索法子 ,应该继续坚持,不可能 它不可能 但是 未来人工智能技术发展的重要突破口。(刘园园)

[ 责编:张佳兴 ]

阅读剩余全文(