『』运用神经拟态算法，芯片有了嗅觉
在所有感官中 ， 训练AI分辨气味是一件特别困难的事情 ， 但这并不能阻止研究人员尝试 。
3月16日 ， 英国《自然-机器智能》（Nature Machine Intelligence）杂志发表了一项人工智能研究 ， 英特尔神经形态计算实验室和康奈尔大学的联合团队报告称 ， 他们实现了一种设计用来模拟生物嗅觉的神经算法 。这项成果意味着一种强大方法的出现 ， 在此基础上 ， 未来可开发出超越当前人工智能趋势的新算法 。
文章图片
文章图片
可在干扰环境下嗅出10种有害物质
神经形态计算能够大幅提升数据处理能力和机器学习能力 ， 能耗和体积都非常理想 ， 被认为是高性能计算的下一发展阶段 。而神经形态芯片的设计 ， 是使用受大脑启发而形成的计算机器 ， 即通过创造由人工神经元和突触组成的网络来实现 。但是 ， 目前仍不明确的是 ， 如何利用这种机器解决现实问题 。这主要是因为我们对在生物神经回路层面实现的算法了解还不够透彻 。
此次 ， 英特尔神经形态计算实验室科学家纳比尔·伊姆艾姆（Nabil Imam）和康奈尔大学心理学系计算生理学实验室研究人员托马斯·克莱兰德（ Thomas A. Cleland） ， 在英特尔“Loihi”神经拟态芯片系统上 ， 描述了一种基于哺乳动物嗅觉系统的神经算法 ， 可以学习并鉴别气味样本
研究团队之后在一个神经形态系统中 ， 实现该神经算法 ， 并利用甲苯、氨、丙酮、一氧化碳和甲烷等10种有害化学物质 ， 对其进行气味训练 ， 最后在风洞中通过传感器的数据对神经拟态芯片Loihi进行了测试 。
根据英特尔的说法 ， 即使存在其他强烈气味 ， 该芯片也可以识别这些有害物质 。将来这项技术可能使“电子鼻”和机器人能够检测武器、爆炸物、麻醉品甚至疾玻 。
文章图片
文章图片
英特尔神经拟态芯片Loihi（图自：intel Labs）
比CPU快10000倍 ， 比GPU功耗低100倍
说起Loihi ， 2017年9月《电子工程专辑》曾报道 ， 为了让计算机通信和学习方式更接近人类大脑 ， 英特尔实验室推出的脱离传统硅芯片的冯诺依曼计算模型、模仿大脑基本机制的自学习神经拟态芯片 。它能更快更高效地执行机器学习计算任务 ， 同时大幅降低对功耗的需求 。
根据官方资料 ， Loihi芯片采用14nm工艺 ， 管芯尺寸60毫米 ， 包含超过20亿个晶体管、13万个人工神经元和1.3亿个突触 。Loihi异步电路 ， 不需要全局时钟信号 ， 而是采用可编程微代码引擎 ， 用异步脉冲神经网络（SNN）或AI模型行进片上训练 ， 该模型将时间整合到其操作模型中 ， 因此模型的组件不会同时处理输入数据 。
据悉 ， 用英特尔Loihi芯片来处理稀疏编码、图形搜索、约束满足问题等特殊应用 ， 速度比传统CPU快1000倍 ， 效率比传统CPU高10000倍 ， 它还能将某些优化方案的速度和能效提高了超过三个数量级 。英特尔表示 ， 这将用于“高效”地实施自适应学习、事件驱动和细粒度并行计算 。
文章图片
文章图片
（图自：intel）
2019年7月 ， 《电子工程专辑》持续报道了英特尔在神经拟态方面的进展 。他们宣布了代号“Pohoiki Beach”的全新神经拟态系统 ， 包含多达64颗Loihi芯片 ， 集成了1320亿个晶体管 ， 总面积3840平方毫米 ， 拥有800万个神经元、80亿个突触 。
“我们在实时深度学习基准测试中 ， 证明使用Loihi芯片的功耗比GPU低109倍 ， 比专用IoT推理芯片低5倍 。”Applied Brain Research首席执行官、滑铁卢大学教授Chris Eliasmith表示 ， “随着我们将网络扩展50倍 ， Loihi保持实时性能结果 ， 仅使用30％的功率 ， 而IoT硬件不能保证实时 ， 还要消耗500％的功率 。”
推荐阅读
- [人工智能]原创 张强委员：运用人工智能技术减少医患感染
- 「机器人」科学家使用集成神经网络改变机器人步态
- 「」7种拍摄叶子的方法，逆光运用最关键，你有这样拍过吗？
- 脑摄狼图事界■7种拍摄叶子的方法，逆光运用最关键，你有这样拍过吗？
- 「」UCLA研发新型光学神经网络可立即识别物体 或用于自动驾驶汽车等
- 服务@“互联网+”的高效运用，苏州锦途网络科技把握时代脉搏
- [无人机]rfid无人机技术发展的运用
- 【】英特尔7nm芯片明年问世，神经拟态芯片Lohi已媲美人类嗅觉
- 余承东@华为余承东：海外运用商店的替代方案“不太完美”，但会快速改善
- 『英特尔』英特尔7nm芯片明年问世，神经拟态芯片Lohi已媲美人类嗅觉