【新智元導讀】英特爾最新發布了一個代號為「Pohoiki Beach」的全新神經擬態系統，包含多達64顆Loihi研究晶元，800萬個神經元。該系統處理AI演算法的速度比普通CPU快1000倍，效率是普通CPU的10000倍，可用於自動駕駛汽車、機器人、義肢等。你如何評價這個晶元？來新智元和群 發表觀點吧！

昨天在底特律舉行的DARPA電子復興計劃峰會上，英特爾重磅發布了一個代號為「Pohoiki Beach」的全新神經擬態系統，包含多達64顆Loihi神經擬態晶元，由800萬個神經元組成。

與CPU相比，Pohoiki Beach處理AI演算法的能力，速度比普通CPU快1000倍，效率是普通CPU的10000倍，可用於自動駕駛、電子機器人皮膚、假肢等。

Loihi晶元是英特爾公司於2017年首次推出的一款擁有「自我學習」能力的研究晶元，其架構比用於深度學習或其他形式的人工智慧的晶元更接近大腦的工作方式。

800萬個神經元！神經擬態晶元可為假肢和自動駕駛提供動力

一塊英特爾的Nahuku板，每塊板上有8到32顆英特爾Loihi神經形態晶元，介面可以與英特爾Arria 10 FPGA開發工具包連接。英特爾最新的神經形態系統Pohoiki Beach由多塊Nahuku板組成，每塊板包含64顆Loihi晶元。

Loihi晶元安裝在一塊「Nahuku」板上，每塊板包含8到32塊Loihi晶元。Pohoiki Beach系統包含多個Nahuku板，可以與Intel的Arria 10 FPGA開發工具包介面，如上圖所示。

新的64-Loihi系統相當於800萬個神經元，不過，這還只是英特爾朝著計劃於2019年底推出的768顆晶元、1億個神經元的系統邁出的一步。

英特爾神經形態計算研究主管Mike Davies表示，英特爾及其研究夥伴剛剛開始測試像Pohoiki Beach這樣的大型神經系統能做什麼，迄今為止的證據已經表明，它的性能和效率甚至可以更高。

Davies說：「我們正在迅速積累結果和數據，證明它(Pohoiki Beach)確實有優勢……主要是在效率方面。實際上，在我們進行的每一個基準測試中，這個架構都具有顯著的收益。」

Pohoiki Beach將非常擅長神經元類任務，包括稀疏編碼、路徑規劃和同步定位和建圖(SLAM)。這些都是用於、機器人室內測繪和高效感測系統的演算法。

例如，英特爾表示，這些晶元可以用於使某些類型的假肢更具適應性，通過新型高效的事件攝像機為目標跟蹤提供動力，為iCub機器人的電子皮膚提供觸覺輸入，甚至實現桌上足球的自動化。

從1個Loihi晶元到64個Loihi晶元，更多的是軟體問題而不是硬體問題。「我們從一開始就在Loihi晶元中設計了可伸縮性，」Davies說。「該晶元有一個分層的路由介面，允許我們擴展到多達16000個晶元。所以64個只是一小步。」

去年，英特爾中國研究院院長宋繼強介紹神經擬態晶元 LOIHI。

LOIHI 晶元由 128 個計算核心組成，每個核心有 1024 個人工神經元，整個晶元共有超過 13 萬個神經元和 1.3 億個突觸連接。採用非同步計算，有需要才被激活，可以大幅降低能耗。與其他現有神經擬態晶元訓練完參數就固定下來不同，LOIHI 擁有 「自我學習」（self-learning）的能力，它的參數在使用過程中，仍然可以通過脈衝神經網路里的脈衝傳遞訓練去改變，在使用過程中不斷改變網路模型，適應當前的狀態。LOIHI 可以在單個晶元上完成訓練和推理，實際上，訓練和推理這兩個過程並沒有分得那麼開，這一點與人腦一樣。

從神經元數量上看，單個 LOIHI 晶元的神經元數量只比蝦子的腦複雜一點點，距離模擬人腦複雜行為還很遙遠。但是，這些小的單晶元可以互相連接構成更大規模的陣列，由此模擬更大的神經元。不僅如此，LOIHI 晶元直接受益於摩爾定律的發展，現在是 14 納米的工藝，到了 10 納米、7 納米之後會大幅提高神經元的容量。

更像人類的學習：Pohoiki Beach將擴展到1億神經元

Davies說，找到在800萬個神經元的系統上運行良好的演算法，並在軟體中優化這些演算法，是一項相當有挑戰的工作。不過，回報也是巨大的。更像大腦的神經網路，比如Loihi，可能對某些人工智慧「免疫」。

例如，今天的神經網路遭受著一種叫做「災難性遺忘」的難題。如果你試圖教一個訓練好的神經網路去識別新事物，比如說，識別一個新的路標——通過簡單地將網路暴露給新的輸入，它會嚴重破壞網路，以至於它在識別任何東西時都變得很糟糕。為了避免這種情況，你必須從頭開始重新訓練網路。(DARPA的Lifelong Learning項目致力於解決這個問題。)

英特爾神經形態研究晶元Loihi。英特爾最新的神經形態系統Pohoiki Beach將由64塊這樣的Loihi晶元組成。

Loihi可以運行可能對災難性遺忘免疫的網路，這意味著它學習起來更像人類。事實上，通過與康奈爾大學 Thomas Cleland的研究小組的合作，有證據表明，Loihi可以實現所謂的one-shot learning。也就是說，只需看到一次，它就能學會新特性。康奈爾大學的研究小組通過抽象嗅覺系統的模型來證明這一點，該系統可以在Loihi上運行。當暴露在一種新的虛擬氣味中時，系統不僅沒有災難性地忘記它所聞過的所有其他氣味，它還學會了僅僅從一次暴露中就識別出新的氣味。

Loihi還可能運行特徵提取演算法，這些演算法不受困擾當今圖像識別系統的各種對抗性攻擊的影響。傳統的神經網路並不像我們的大腦那樣真正理解它們從圖像中提取的特徵。Davies 解釋說：「他們可能會被一些簡單的攻擊所愚弄，比如改變單個像素或添加一個噪音圖案，而這些改變是不會愚弄人類的。」但Loihi晶元可以運行的稀疏編碼演算法可以像人類視覺系統一樣工作，所以不會因這種攻擊而失敗。

研究人員也一直在使用Loihi來改進機器人系統的實時控制。例如，上周在Telluride神經形態認知工程研討會的一個活動中，研究人員正努力使用一個基於Loihi的系統來控制一場桌上足球比賽。「這讓人覺得很瘋狂，」他說。「但這是神經形態技術的一個很好的例證。它必須很快，需要快速響應，快速規劃和預期。這就是神經形態晶元擅長的。」

英特爾表示，Pohoiki Beach系統可以很容易地擴展到處理更複雜的問題。英特爾計劃在今年底發布一個大10倍的Pohoiki Beach系統，擁有多達1億個神經元。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！