欧宝体育

業務資訊
欧宝体育  > 新聞中心 > 業務資訊

人工智能繼續迭代 類腦計算悄然走紅

發布日期: 2019-12-23 信息來源:欧宝体育

    深度學習正遍地開花,但(dan)它可(ke)能(neng)并非(fei)人(ren)工(gong)智能(neng)的終(zhong)極方(fang)案。無論(lun)是學術界還(huan)是產業界,都在思考人(ren)工(gong)智能(neng)的下一步發展路徑: 類腦計算已(yi)悄然(ran)成(cheng)為備受關注的“種子選手”之一。

  12月16日至17日,由北京未來芯片技術高精尖創新中心及清華大學微電子學研究所聯合主辦單位:欧宝体育

  人工智能浪潮下(xia)的洋流

  類腦計算又被(bei)稱為神經形態計算(Neuromorphic Computing)。它不僅(jin)是學術會議關注的(de)新熱點,產業界也在探索之中(zhong)。

  11月中旬,英特(te)爾官網宣布了一則消息: 埃森哲、空中客車、通(tong)用電氣和日立(li)公司加入(ru)英特(te)爾神(shen)經形態研究(jiu)共(gong)同(tong)體(INRC),該共(gong)同(tong)體目前已擁有(you)超過75個成(cheng)員機構。

  如果說,當下人工(gong)智能發(fa)展浪(lang)潮(chao)(chao)正波濤洶涌的(de)話(hua),類腦(nao)計算就是浪(lang)潮(chao)(chao)之下的(de)洋流。雖不(bu)太引人注(zhu)意,未來卻有可能改(gai)變人工(gong)智能發(fa)展趨勢。

  原(yuan)因之(zhi)一是,深度學習雖在語音識別、圖像識別、自然(ran)語言理解等領域取得很大(da)突(tu)破,并被廣泛(fan)應用,但它需要大(da)量的算力支撐,功耗也很高(gao)。

  “我們(men)希望智能(neng)駕(jia)駛(shi)汽車的(de)(de)駕(jia)駛(shi)水平像司(si)機一樣,但(dan)現在顯然還達不到(dao)。因(yin)為它對信息的(de)(de)智能(neng)判(pan)斷和(he)分析不夠,功耗也非常(chang)高。”清華大(da)學(xue)微納電子系教授(shou)吳(wu)華強告(gao)訴(su)科技日報記者,人(ren)工智能(neng)算法訓練中心在執行任務時動輒消(xiao)耗電量幾萬瓦(wa)甚至幾十萬瓦(wa),而人(ren)的(de)(de)大(da)腦耗能(neng)卻僅相(xiang)當于20瓦(wa)左右。

  北(bei)京大(da)學計(ji)算機科學技術(shu)系教(jiao)授(shou)黃鐵軍也舉(ju)了一個生動(dong)的例(li)子(zi): 市(shi)場上應用深度(du)學習(xi)技術(shu)的智能無人(ren)機已經十分靈巧,但從(cong)智能程度(du)上看(kan),卻與(yu)一只蒼蠅或(huo)蜻蜓相差甚遠(yuan),盡管體積和功耗比后(hou)者高很多。

  追求模擬大腦的功能

  到底什(shen)(shen)么(me)是類腦計算,它(ta)又憑什(shen)(shen)么(me)贏得學術界和產業界的寵愛?

  “類腦(nao)計算(suan)從結(jie)構上追求設計出像(xiang)生(sheng)物神(shen)經網絡那樣的(de)(de)系(xi)統,從功能(neng)(neng)上追求模擬大(da)腦(nao)的(de)(de)功能(neng)(neng),從性能(neng)(neng)上追求大(da)幅(fu)度超越生(sheng)物大(da)腦(nao),也稱(cheng)神(shen)經形態計算(suan)。”黃(huang)鐵軍接(jie)受科(ke)技(ji)日報記者采訪時說(shuo)。

  類腦計(ji)算試(shi)圖模擬生物神(shen)(shen)經網絡(luo)的(de)結(jie)構和信息加工過程。它(ta)在軟件(jian)層面的(de)嘗試(shi)之(zhi)一是脈沖神(shen)(shen)經網絡(luo)(SNN)。

  現(xian)在(zai)(zai)深度學習一般通過卷積神經(jing)(jing)(jing)網(wang)(wang)絡(luo)(CNN)或遞歸神經(jing)(jing)(jing)網(wang)(wang)絡(luo)(RNN)來實現(xian)。“CNN和RNN都屬于人工(gong)神經(jing)(jing)(jing)網(wang)(wang)絡(luo),其(qi)中的(de)人工(gong)神經(jing)(jing)(jing)元(yuan),至今仍在(zai)(zai)使用上世紀(ji)40年(nian)代時的(de)模型(xing)。”黃鐵(tie)軍說,雖然現(xian)在(zai)(zai)設計(ji)出的(de)人工(gong)神經(jing)(jing)(jing)網(wang)(wang)絡(luo)越來越大(da),也越來越復雜,但從根本(ben)上講,其(qi)神經(jing)(jing)(jing)元(yuan)模型(xing)沒有太(tai)大(da)改進(jin)。

  另一(yi)方面,在深度學習人(ren)工神(shen)經(jing)網(wang)絡(luo)中,神(shen)經(jing)元之間的連接被稱為權(quan)值。它們是人(ren)工神(shen)經(jing)網(wang)絡(luo)的關鍵要素(su)。

  而在(zai)脈(mo)沖(chong)神(shen)經(jing)(jing)網絡中,神(shen)經(jing)(jing)元(yuan)之間卻是(shi)神(shen)經(jing)(jing)脈(mo)沖(chong),信息的(de)(de)表達(da)和(he)處理通(tong)過神(shen)經(jing)(jing)脈(mo)沖(chong)發送來實現(xian)。就像(xiang)我們的(de)(de)大(da)腦中,有大(da)量神(shen)經(jing)(jing)脈(mo)沖(chong)在(zai)傳遞和(he)流轉。

  黃(huang)鐵(tie)軍告訴記者,由于神經脈沖在不停地傳遞和流轉,脈沖神經網絡在表達和處(chu)理信(xin)息時,比(bi)深度學習(xi)的時間性(xing)更突出,更加適(shi)合進行高效的時空(kong)信(xin)息處(chu)理。

  推廣應用可能不需(xu)太久

  也有人從硬件層面去(qu)實現類(lei)腦計算,比(bi)如神經形態芯片。

  2019年(nian)7月(yue),英特爾(er)發布(bu)消息稱,其(qi)神經(jing)形(xing)態研(yan)究芯片Loihi執行專用任務(wu)的速度可比普通CPU快(kuai)1000倍,效(xiao)率高(gao)10000倍。

  “在(zai)對信(xin)息的編碼、傳輸和處理方面,我們希望從大腦機制中獲得啟(qi)發(fa),將這些想(xiang)法(fa)應用到芯(xin)片(pian)技術上,讓芯(xin)片(pian)的處理速度(du)更(geng)快、水平更(geng)高、功耗更(geng)低(di)。”吳華強也(ye)在(zai)進(jin)行神經形態芯(xin)片(pian)相關(guan)研究,他告訴(su)科技日(ri)報(bao)記者(zhe)。

  吳(wu)華(hua)強介紹,在傳統的(de)(de)馮·諾依曼架構中,信息的(de)(de)處(chu)理和存儲(chu)是(shi)分開的(de)(de),而人的(de)(de)大腦在處(chu)理信息時,存儲(chu)和處(chu)理是(shi)融為一體的(de)(de)。

  “所以我們在嘗試研發存算一體(ti)化(hua)的(de)(de)芯(xin)片(pian),希望通(tong)過避(bi)免芯(xin)片(pian)內部不停(ting)地搬運數據,來大幅提高(gao)芯(xin)片(pian)的(de)(de)能效比(bi)。”吳華強說,他(ta)的(de)(de)團隊現在也(ye)已研發出存算一體(ti)的(de)(de)樣(yang)品芯(xin)片(pian)。

  談到類腦計(ji)算(suan)的進展(zhan),黃鐵軍告(gao)訴記者,目(mu)前類腦計(ji)算(suan)仍在(zai)摸(mo)索(suo)階段,還缺乏典型的成功應用。但(dan)商業(ye)公司(si)已經嗅到味道,相(xiang)關技術獲得規模性應用可能不需要太長時間。

  “現在的神經(jing)形態計算(suan)還比較初步,它(ta)的發展水平跟現有主流(liu)人工智能(neng)算(suan)法相比,還存(cun)在一(yi)定(ding)差距。”中科(ke)院(yuan)自動化所(suo)研究員張(zhang)兆翔(xiang)接受科(ke)技日(ri)報記(ji)者采訪時認為,但作為一(yi)種新的探索方(fang)式(shi),應該繼續堅持,因為它(ta)可能(neng)就是未來人工智能(neng)技術發展的重要(yao)突破口。 

媒體垂詢

E-mail:ZNJ@mucagel.com

欧宝体育