芯耀
186
如果您關注科技行業(yè)的最新趨勢，您可能知道行業(yè)內針對“下一件大事”將是什么的爭論有很多。很多人認為是增強現實 (AR) 眼鏡，有些人則認為會是全自動駕駛汽車，還有一些人認同5G的潛力。然而，無論趨勢最終是什么，都將以某種方式由人工智能（AI）提供動力。事實上，人工智能和機器學習（ML）是我們的未來發(fā)展方向。
圖片來源：Amazon
幾周前，亞馬遜的Astro出人意料地首次亮相，個人機器人設備和數字伙伴也加入了競技場。
需要明確的是，我們已經在人工智能推動的許多領域看到了一些令人難以置信的進步。高級分析、神經網絡訓練和其他相關領域（其中大量數據用于查找模式、學習規(guī)則，然后應用它們）一直是現有 AI 方法的巨大受益者。
與此同時，如自動駕駛這樣的應用，僅僅將越來越多的數據推送到算法中，這些算法產生了不斷改進但仍然存在缺陷的機器學習模型并不能真正發(fā)揮作用。我們離真正的L5級自動駕駛還有很遠的距離，考慮到特斯拉的AutoPilot導致的事故甚至傷亡事件的發(fā)生，也許是時候考慮另一種方法了。
同樣，我們仍處于個人機器人時代的初期，但很容易想到，自動駕駛汽車和機器人之間的概念相似性。歸根結底，問題在于，根本無法將每個潛在場景輸入到AI訓練模型中，并就如何應對任何給定情況做出反應來創(chuàng)建一個預先確定的答案。隨機性和意料之外的影響實在太大了。
我們需要的是一種能夠真正獨立思考和學習的計算，然后將其學習能力適應那些意想不到的場景。這聽起來可能很瘋狂，也可能引起爭議，但這正是神經形態(tài)計算領域的研究人員正在嘗試做的事情。其基本思想是以數字形式復制我們所知的人腦中適應性最強的計算/思維組織的結構和功能。根據基本生物學原理，神經形態(tài)芯片試圖利用數字突觸在神經元之間發(fā)送電脈沖，重建一系列相連的神經元，就像生物大腦一樣。
這是一個已經存在了幾十年的學術研究領域，但直到最近才開始取得真正的進展并獲得更多的關注。英特爾發(fā)布了第二代神經形態(tài)芯片Loihi 2，以及一個新的開源軟件框架，被稱為Lava。
圖片來源：Intel
Loihi 2不會很快進行商用，它被稱為一款研究芯片，最新版本提供了100萬個神經元，與人類大腦中發(fā)現的約1000億個神經元相去甚遠。盡管如此，這仍是一個令人印象深刻、雄心勃勃的項目，其性能是其2018年版本的10倍，密度是后者的15倍（基于新的Intel 4芯片制造工藝技術的基礎上），并提高了能效。此外，還提供了更好更容易的方式將其獨特的架構與其他傳統(tǒng)的芯片互連。
英特爾顯然從第一版Loihi中學到了很多東西，最大的體會之一是為這種全新的架構開發(fā)軟件非常困難。因此，另一個重要部分是Lava的首次亮相，這是一個開源軟件框架和一套可用于為Loihi編寫應用程序的工具。該公司還提供可以在傳統(tǒng)CPU和GPU上模擬其操作的工具，以便開發(fā)人員可在不訪問芯片的情況下創(chuàng)建代碼。
關于神經形態(tài)芯片的運作方式是特別令人著迷的，盡管其功能與傳統(tǒng)的CPU計算和類似GPU的并行計算模式截然不同，但它們可以用來實現一些相同的目標。換句話說，像Loihi 2這樣的神經形態(tài)芯片可以提供傳統(tǒng)人工智能所追求的理想結果，其速度更快、能效更高、數據密集度更低。通過一系列異步發(fā)生的基于事件的尖峰，觸發(fā)數字神經元以各種方式作出反應，就像人腦的操作一樣（與CPU和GPU中的同步結構化處理相比），神經形態(tài)芯片基本上可以動態(tài)“學習”新事物。因此，神經形態(tài)芯片非常適合那些必須對新刺激做出實時反應的設備。
這些功能就是為什么這些芯片如此有吸引力的所在，而自動駕駛汽車本質上就是這樣。歸根結底，最終可能需要商業(yè)上的神經形態(tài)芯片來驅動夢想中的自動駕駛汽車。
當然，神經形態(tài)計算并不是推進技術發(fā)展的唯一新方法。在量子計算領域，也有大量的工作正在進行中。與量子計算一樣，神經形態(tài)計算的內部工作也異常復雜，目前主要多見于為企業(yè)研發(fā)實驗室和學術研究的研究項目。然而，與量子不同的是，神經形態(tài)計算目前不需要量子所需要的極端物理挑戰(zhàn)（接近絕對零度的溫度）和功率要求。事實上，神經形態(tài)架構的眾多魅力之一是它們的設計功耗極低，使其適合各種移動或其他電池供電的應用（如自動駕駛汽車和機器人）。
盡管最近取得了一些進展，但神經形態(tài)芯片的商業(yè)應用還需要幾年的時間。然而，人類很難不被這種激發(fā)AI驅動設備潛力變成真正智能化設備的技術所吸引。區(qū)別可能看起來很微妙，但最終我們可能需要這種新的智慧，以便讓一些“下一件大事”真正以我們能欣賞和想象的方式發(fā)生。
作者：Bob O'Donnell
