未來對(duì)于高度動(dòng)態(tài)和非結(jié)構(gòu)化的自然數(shù)據(jù)的收集、分析和決策的需求越來越大，這種需求可能超過傳統(tǒng)的CPU和GPU架構(gòu)。

　　英特爾推出了一種先進(jìn)的自學(xué)習(xí)芯片，名為L(zhǎng)oihi。

　　Loihi模仿了大腦的運(yùn)作方式，根據(jù)環(huán)境的不同反饋模式進(jìn)行操作。同時(shí)，Loihi也是一款節(jié)能的芯片，可以利用數(shù)據(jù)來學(xué)習(xí)和推斷，不需要以傳統(tǒng)的方式進(jìn)行訓(xùn)練。它采用了一種新穎的方法，通過“異步激活”來計(jì)算。

　　Loihi研究測(cè)試芯片包括模擬大腦基本機(jī)制的數(shù)字電路，使機(jī)器學(xué)習(xí)更快更有效率，同時(shí)需要對(duì)計(jì)算力的需求更小。

　　這塊仿神經(jīng)芯片的模型從神經(jīng)元的交流和學(xué)習(xí)中汲取靈感，其中神經(jīng)元的激活、新突觸的形成可以按時(shí)間調(diào)制，這可以幫助計(jì)算機(jī)自組織并根據(jù)模式和關(guān)聯(lián)做出決策。

　　Loihi測(cè)試芯片提供了高度靈活的芯片學(xué)習(xí)，可以在單個(gè)芯片上完成訓(xùn)練和推理。這使得機(jī)器能夠自動(dòng)地進(jìn)行實(shí)時(shí)調(diào)整，而不是等待云的下一個(gè)更新。研究人員已經(jīng)證明，與其他典型的尖脈沖神經(jīng)網(wǎng)絡(luò)相比，在解決MNIST的數(shù)字識(shí)別問題時(shí)，他們的學(xué)習(xí)速度要快100萬(wàn)倍。與卷積神經(jīng)網(wǎng)絡(luò)和深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)等技術(shù)相比，Loihi測(cè)試芯片在同一任務(wù)上使用了更少的資源。

　　這個(gè)測(cè)試芯片的自我學(xué)習(xí)能力有巨大的潛力來改進(jìn)汽車和工業(yè)應(yīng)用以及個(gè)人機(jī)器人——任何在非結(jié)構(gòu)化環(huán)境中自動(dòng)操作和持續(xù)學(xué)習(xí)的應(yīng)用程序。例如，識(shí)別汽車或自行車的運(yùn)動(dòng)。

　　雷鋒網(wǎng)了解到，它比一般訓(xùn)練系統(tǒng)所需的通用計(jì)算效率高1000倍。在2018年上半年，Loihi測(cè)試芯片將與領(lǐng)先的大學(xué)和研究機(jī)構(gòu)共享，重點(diǎn)是推進(jìn)人工智能的發(fā)展。

　　Loihi測(cè)試芯片的特點(diǎn)包括：

　　完全的異步神經(jīng)形態(tài)的多核網(wǎng)狀結(jié)構(gòu)，它支持許多種不同的稀疏、層級(jí)、循環(huán)神經(jīng)網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)，每個(gè)神經(jīng)元都能與成千上萬(wàn)的其他神經(jīng)元進(jìn)行通信。

　　每個(gè)神經(jīng)形態(tài)核心包括一個(gè)學(xué)習(xí)引擎，可以在操作過程中對(duì)網(wǎng)絡(luò)參數(shù)進(jìn)行編程，支持監(jiān)督、無監(jiān)督、強(qiáng)化和其他學(xué)習(xí)模式。

　　由英特爾的14納米工藝制造。

　　總共有13萬(wàn)神經(jīng)元和1.3億突觸。

　　開發(fā)和測(cè)試高效的算法，包括路徑規(guī)劃、約束滿足、稀疏編碼、詞典學(xué)習(xí)和動(dòng)態(tài)模式學(xué)習(xí)和適應(yīng)。

　　在計(jì)算機(jī)技術(shù)和算法創(chuàng)新的推動(dòng)下，人工智能的變革力量預(yù)計(jì)將對(duì)社會(huì)產(chǎn)生巨大的影響。通用的計(jì)算和定制的硬件和軟件都可以在各個(gè)方面發(fā)揮作用，而英特爾目前在這方面也有所布局。

　　目前英特爾Xeon Phi處理器，應(yīng)用于科學(xué)計(jì)算，產(chǎn)生了一些最大的模型來解釋大規(guī)模的科學(xué)問題，還有Movidius神經(jīng)計(jì)算棒這樣以僅僅1瓦的功率運(yùn)行訓(xùn)練后的模型的產(chǎn)品。