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(fā)布了一個代號為“Pohoiki Beach”的全新神經(jīng)擬態(tài)系統(tǒng)，包含多達64顆Loihi神經(jīng)擬態(tài)芯片，由800萬個神經(jīng)元組成。

與CPU相比，Pohoiki Beach處理AI算法的能力，速度比普通CPU快1000倍，效率是普通CPU的10000倍，可用于自動駕駛、電子機器人(15.220,-0.41,-2.62%)皮膚、假肢等。

Loihi芯片是英特爾公司于2017年首次推出的一款擁有“自我學習”能力的研究芯片，其架構比用于深度學習或其他形式的人工智能的芯片更接近大腦的工作方式。

更像人類的學習：Pohoiki Beach將擴展到1億神經(jīng)元

一塊英特爾的Nahuku板，每塊板上有8到32顆英特爾Loihi神經(jīng)形態(tài)芯片，接口可以與英特爾Arria 10 FPGA開發(fā)工具包連接。英特爾最新的神經(jīng)形態(tài)系統(tǒng)Pohoiki Beach由多塊Nahuku板組成，每塊板包含64顆Loihi芯片。

Loihi芯片安裝在一塊“Nahuku”板上，每塊板包含8到32塊Loihi芯片。Pohoiki Beach系統(tǒng)包含多個Nahuku板，可以與Intel的Arria 10 FPGA開發(fā)工具包接口，如上圖所示。

新的64-Loihi系統(tǒng)相當于800萬個神經(jīng)元，不過，這還只是英特爾朝著計劃于2019年底推出的768顆芯片、1億個神經(jīng)元的系統(tǒng)邁出的一步。

Davies說，找到在800萬個神經(jīng)元的系統(tǒng)上運行良好的算法，并在軟件中優(yōu)化這些算法，是一項相當有挑戰(zhàn)的工作。不過，回報也是巨大的。更像大腦的神經(jīng)網(wǎng)絡，比如Loihi，可能對某些人工智能“免疫”。

例如，今天的神經(jīng)網(wǎng)絡遭受著一種叫做“災難性遺忘”的難題。如果你試圖教一個訓練好的神經(jīng)網(wǎng)絡去識別新事物，比如說，識別一個新的路標——通過簡單地將網(wǎng)絡暴露給新的輸入，它會嚴重破壞網(wǎng)絡，以至于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(wǎng)絡。(DARPA的Lifelong Learning項目致力于解決這個問題。)

英特爾神經(jīng)形態(tài)研究芯片Loihi。英特爾最新的神經(jīng)形態(tài)系統(tǒng)Pohoiki Beach將由64塊這樣的Loihi芯片組成。

Loihi可以運行可能對災難性遺忘免疫的網(wǎng)絡，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(jù)表明，Loihi可以實現(xiàn)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(tǒng)的模型來證明這一點，該系統(tǒng)可以在Loihi上運行。當暴露在一種新的虛擬氣味中時，系統(tǒng)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還可能運行特征提取算法，這些算法不受困擾當今圖像識別系統(tǒng)的各種對抗性攻擊的影響。傳統(tǒng)的神經(jīng)網(wǎng)絡并不像我們的大腦那樣真正理解它們從圖像中提取的特征。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芯片可以運行的稀疏編碼算法可以像人類視覺系統(tǒng)一樣工作，所以不會因這種攻擊而失敗。

英特爾表示，Pohoiki Beach系統(tǒng)可以很容易地擴展到處理更復雜的問題。英特爾計劃在今年底發(fā)布一個大10倍的Pohoiki Beach系統(tǒng)，擁有多達1億個神經(jīng)元。

800萬個神經(jīng)元！神經(jīng)擬態(tài)芯片可為假肢和自動駕駛提供動力

英特爾神經(jīng)形態(tài)計算研究主管Mike Davies表示，英特爾及其研究伙伴剛剛開始測試像Pohoiki Beach這樣的大型神經(jīng)系統(tǒng)能做什么，迄今為止的證據(jù)已經(jīng)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(jié)果和數(shù)據(jù)，證明它(Pohoiki Beach)確實有優(yōu)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(jīng)元類任務，包括稀疏編碼、路徑規(guī)劃和同步定位和建圖(SLAM)。這些都是用于自動駕駛、機器人室內(nèi)測繪和高效傳感系統(tǒng)的算法。

例如，英特爾表示，這些芯片可以用于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(xiàn)桌上足球的自動化。

研究人員也一直在使用Loihi來改進機器人系統(tǒng)的實時控制。例如，上周在Telluride神經(jīng)形態(tài)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于Loihi的系統(tǒng)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(jīng)形態(tài)技術的一個很好的例證。它必須很快，需要快速響應，快速規(guī)劃和預期。這就是神經(jīng)形態(tài)芯片擅長的。”

從1個Loihi芯片到64個Loihi芯片，更多的是軟件問題而不是硬件問題。“我們從一開始就在Loihi芯片中設計了可伸縮性，”Davies說。“該芯片有一個分層的路由接口，允許我們擴展到多達16000個芯片。所以64個只是一小步。”

LOIHI 芯片由 128 個計算核心組成，每個核心有 1024 個人工神經(jīng)元，整個芯片共有超過 13 萬個神經(jīng)元和 1.3 億個突觸連接。采用異步計算，有需要才被激活，可以大幅降低能耗。與其他現(xiàn)有神經(jīng)擬態(tài)芯片訓練完參數(shù)就固定下來不同，LOIHI 擁有 “自我學習”（self-learning）的能力，它的參數(shù)在使用過程中，仍然可以通過脈沖神經(jīng)網(wǎng)絡里的脈沖傳遞訓練去改變，在使用過程中不斷改變網(wǎng)絡模型，適應當前的狀態(tài)。LOIHI 可以在單個芯片上完成訓練和推理，實際上，訓練和推理這兩個過程并沒有分得那么開，這一點與人腦一樣。

從神經(jīng)元數(shù)量上看，單個 LOIHI 芯片的神經(jīng)元數(shù)量只比蝦子的腦復雜一點點，距離模擬人腦復雜行為還很遙遠。但是，這些小的單芯片可以互相連接構成更大規(guī)模的陣列，由此模擬更大的神經(jīng)元。不僅如此，LOIHI 芯片直接受益于摩爾定律的發(fā)展，現(xiàn)在是 14 納米的工藝，到了 10 納米、7 納米之后會大幅提高神經(jīng)元的容量。