【新智元导读】英特尔最新发布了一个代号为“Pohoiki Beach”的全新神经拟态系统，包含多达64颗Loihi研究芯片，800万个神经元。该系统处理AI算法的速率比普通CPU快1000倍，效率是普通CPU的10000倍，可用于自动驾驶汽车、机器人、义肢等。你如何评价这个芯片？来新智元和群 揭橥不雅观点吧！
昨天在底特律举行的DARPA电子复兴操持峰会上，英特尔重磅发布了一个代号为“Pohoiki Beach”的全新神经拟态系统，包含多达64颗Loihi神经拟态芯片，由800万个神经元组成。
与CPU比较，Pohoiki Beach处理AI算法的能力，速率比普通CPU快1000倍，效率是普通CPU的10000倍，可用于自动驾驶、电子机器人皮肤、假肢等。
Loihi芯片是英特尔公司于2017岁首年月次推出的一款拥有“自我学习”能力的研究芯片，其架构比用于深度学习或其他形式的人工智能的芯片更靠近大脑的事情办法。
神经拟态芯片可为假肢和自动驾驶供应动力
一块英特尔的Nahuku板，每块板上有8到32颗英特尔Loihi神经形态芯片，接口可以与英特尔Arria 10 FPGA开拓工具包连接。英特尔最新的神经形态系统Pohoiki Beach由多块Nahuku板组成，每块板包含64颗Loihi芯片。
Loihi芯片安装在一块“Nahuku”板上，每块板包含8到32块Loihi芯片。Pohoiki Beach系统包含多个Nahuku板，可以与Intel的Arria 10 FPGA开拓工具包接口，如上图所示。
新的64-Loihi系统相称于800万个神经元，不过，这还只是英特尔朝着操持于2019年底推出的768颗芯片、1亿个神经元的系统迈出的一步。
英特尔神经形态打算研究主管Mike Davies表示，英特尔及其研究伙伴刚刚开始测试像Pohoiki Beach这样的大型神经系统能做什么，迄今为止的证据已经表明，它的性能和效率乃至可以更高。
Davies说：“我们正在迅速积累结果和数据，证明它(Pohoiki Beach)确实有上风……紧张是在效率方面。实际上，在我们进行的每一个基准测试中，这个架构都具有显著的收益。”
Pohoiki Beach将非常善于神经元类任务，包括稀疏编码、路径方案和同步定位和建图(SLAM)。这些都是用于、机器人室内测绘和高效传感系统的算法。
例如，英特尔表示，这些芯片可以用于使某些类型的假肢更具适应性，通过新型高效的事宜摄像机为目标跟踪供应动力，为iCub机器人的电子皮肤供应触觉输入，乃至实现桌上足球的自动化。
从1个Loihi芯片到64个Loihi芯片，更多的是软件问题而不是硬件问题。“我们从一开始就在Loihi芯片中设计了可伸缩性，”Davies说。“该芯片有一个分层的路由接口，许可我们扩展到多达16000个芯片。以是64个只是一小步。”
去年，英特尔中国研究院院长宋继强先容神经拟态芯片 LOIHI。
LOIHI 芯片由 128 个打算核心组成，每个核心有 1024 个人工神经元，全体芯片共有超过 13 万个神经元和 1.3 亿个突触连接。采取异步打算，有须要才被激活，可以大幅降落能耗。与其他现有神经拟态芯片演习完参数就固定下来不同，LOIHI 拥有 “自我学习”（self-learning）的能力，它的参数在利用过程中，仍旧可以通过脉冲神经网络里的脉冲通报演习去改变，在利用过程中不断改变网络模型，适应当前的状态。LOIHI 可以在单个芯片上完成演习和推理，实际上，演习和推理这两个过程并没有分得那么开，这一点与人脑一样。
从神经元数量上看，单个 LOIHI 芯片的神经元数量只比虾子的脑繁芜一点点，间隔仿照人脑繁芜行为还很迢遥。但是，这些小的单芯片可以相互连接构成更大规模的阵列，由此仿照更大的神经元。不仅如此，LOIHI 芯片直接管益于摩尔定律的发展，现在是 14 纳米的工艺，到了 10 纳米、7 纳米之后会大幅提高神经元的容量。
更像人类的学习：Pohoiki Beach将扩展到1亿神经元Davies说，找到在800万个神经元的系统上运行良好的算法，并在软件中优化这些算法，是一项相称有寻衅的事情。不过，回报也是巨大的。更像大脑的神经网络，比如Loihi，可能对某些人工智能“免疫”。
例如，本日的神经网络遭受着一种叫做“灾害性遗忘”的难题。如果你试图教一个演习好的神经网络去识别新事物，比如说，识别一个新的路标——通过大略地将网络暴露给新的输入，它会严重毁坏网络，以至于它在识别任何东西时都变得很糟糕。为了避免这种情形，你必须从头开始重新演习网络。(DARPA的Lifelong Learning项目致力于办理这个问题。)
英特尔神经形态研究芯片Loihi。英特尔最新的神经形态系统Pohoiki Beach将由64块这样的Loihi芯片组成。
Loihi可以运行可能对灾害性遗忘免疫的网络，这意味着它学习起来更像人类。事实上，通过与康奈尔大学 Thomas Cleland的研究小组的互助，有证据表明，Loihi可以实现所谓的one-shot learning。也便是说，只需看到一次，它就能学会新特性。康奈尔大学的研究小组通过抽象嗅觉系统的模型来证明这一点，该系统可以在Loihi上运行。当暴露在一种新的虚拟气味中时，系统不仅没有灾害性地忘却它所闻过的所有其他气味，它还学会了仅仅从一次暴露中就识别出新的气味。
Loihi还可能运行特色提取算法，这些算法不受困扰当今图像识别系统的各种对抗性攻击的影响。传统的神经网络并不像我们的大脑那样真正理解它们从图像中提取的特色。Davies 阐明说：“他们可能会被一些大略的攻击所愚弄，比如改变单个像素或添加一个噪音图案，而这些改变是不会愚弄人类的。”但Loihi芯片可以运行的稀疏编码算法可以像人类视觉系统一样事情，以是不会因这种攻击而失落败。
研究职员也一贯在利用Loihi来改进机器人系统的实时掌握。例如，上周在Telluride神经形态认知工程研讨会的一个活动中，研究职员正努力利用一个基于Loihi的系统来掌握一场桌上足球比赛。“这让人以为很猖獗，”他说。“但这是神经形态技能的一个很好的例证。它必须很快，须要快速相应，快速方案和预期。这便是神经形态芯片善于的。”
英特尔表示，Pohoiki Beach系统可以很随意马虎地扩展到处理更繁芜的问题。英特尔操持在今年底发布一个大10倍的Pohoiki Beach系统，拥有多达1亿个神经元。