英特爾公布新款「自學」晶元，有望加速智能的終端部署

摘要：該測試晶元可以在機器終端自學，比基於雲計算的系統效率更高。

英特爾正在試驗一種名為「英特爾 Loihi 測試晶元」的「自學」晶元，能像人腦一樣學習。這款晶元是英特爾所謂的「神經形態晶元」，可以從環境中學習，並應用於一系列「人工智慧密集型」應用，並可有效降低功耗，有望給人工智慧的發展帶來重大影響，加速智能的終端部署。

該測試晶元由英特爾的 14 納米工藝製造，共有 13 萬個神經元和 1.3 億個突觸，採用非同步神經形態的多核網狀結構，支持多種不同的稀疏、層級、循環神經網路拓撲結構，每個神經元間都可以自由通信。每個神經形態核心都擁有一個學習引擎，可以在操作過程中對網路參數進行編程，支持監督、無監督、強化和其他學習模式，可以開發和測試高效的演算法，包括路徑規劃、約束滿足、稀疏編碼、詞典學習和動態模式學習及適應。

英特爾實驗室總經理邁克爾·梅貝里（Michael Mayberry）表示：「英特爾 Loihi 研究測試晶元包含模擬大腦基本機制的數字電路，使機器可以更快地學習、更有效率，同時降低對計算能力的需求。這將幫助計算機基於模式和關聯實現自組織以及進行決策。」

據介紹，該晶元從神經元的交流學習中汲取靈感，其中神經元的激活、新突觸的形成可以按時間調製，這可以幫助計算機自組織並根據模式和關聯做出決策。同時，該晶元可以在終端完成訓練和推理，使得機器能夠自動實時調整，擺脫對雲端的依賴。

基於這種特性，根據研究人員提供的數據，這款晶元在解決 MNIST 的數字識別問題時的學習速度比其他典型的尖脈衝神經網路快了 100 萬倍。另外，該晶元在同一任務上使用的資源要比卷積神經網路和深度學習神經網路等技術少。據相關媒體報道，該晶元比一般訓練系統所需的通用計算效率高了 1000 倍。

英特爾指出，在工業自動化和個人機器人等任何在非結構化環境中自動操作和持續學習的應用程序方面，這款晶元都有較大的潛力。

在為人工智慧應用開發專用晶元方面，谷歌已於此前推出了基於雲計算的 TPU（張量處理單元）晶元，以加速機器學習。與之不同的是，英特爾此次推出的測試晶元可以在機器終端進行學習。

英特爾表示，本地化的自學能力相對基於雲計算的系統有獨特優勢。例如，這樣的計算速度更快，因為在系統學習過程中，晶元和與雲計算平台之間不必交換數據。基於這種不同的思路，該晶元也因為與當前大部分人工智慧系統的訓練方式不同而效率更高。因為省去了與雲計算平台之間交換數據的過程，終端計算速度將更快。

目前，這款晶元仍處於原型階段，英特爾計劃明年與大學和其他研究機構合作，展開進一步的開發。

對於智能在終端還是雲端的爭議由來已久，不過業界對智能的終端部署已經產生了足夠的重視。在前不久推出的 iPhone X 上，一大亮點就是蘋果基於 A11 晶元組建了一套運算能力+適應環境+相關硬體的本地 AI 執行體系。從英特爾的這項工作來看，隨著晶元技術的發展，對智能的終端部署似乎有了更值得期待的解決方案。

頭圖來源：newsroom.intel.com

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！