0
雷锋网按：未来对于高度动态和非结构化的自然数据的收集、分析和决策的需求越来越大，这种需求可能超过传统的CPU和GPU架构。
英特尔推出了一种先进的自学习芯片，名为Loihi。
Loihi模仿了大脑的运作方式，根据环境的不同反馈模式进行操作。同时，Loihi也是一款节能的芯片，可以利用数据来学习和推断，不需要以传统的方式进行训练。它采用了一种新颖的方法，通过“异步激活”来计算。
Loihi研究测试芯片包括模拟大脑基本机制的数字电路，使机器学习更快更有效率，同时需要对计算力的需求更小。
这块仿神经芯片的模型从神经元的交流和学习中汲取灵感，其中神经元的激活、新突触的形成可以按时间调制，这可以帮助计算机自组织并根据模式和关联做出决策。
Loihi测试芯片提供了高度灵活的芯片学习，可以在单个芯片上完成训练和推理。这使得机器能够自动地进行实时调整，而不是等待云的下一个更新。研究人员已经证明，与其他典型的尖脉冲神经网络相比，在解决MNIST的数字识别问题时，他们的学习速度要快100万倍。与卷积神经网络和深度学习神经网络等技术相比，Loihi测试芯片在同一任务上使用了更少的资源。
这个测试芯片的自我学习能力有巨大的潜力来改进汽车和工业应用以及个人机器人——任何在非结构化环境中自动操作和持续学习的应用程序。例如，识别汽车或自行车的运动。
雷锋网了解到，它比一般训练系统所需的通用计算效率高1000倍。在2018年上半年，Loihi测试芯片将与领先的大学和研究机构共享，重点是推进人工智能的发展。
Loihi测试芯片的特点包括:
完全的异步神经形态的多核网状结构，它支持许多种不同的稀疏、层级、循环神经网络拓扑结构，每个神经元都能与成千上万的其他神经元进行通信。
每个神经形态核心包括一个学习引擎，可以在操作过程中对网络参数进行编程，支持监督、无监督、强化和其他学习模式。
由英特尔的14纳米工艺制造。
总共有13万神经元和1.3亿突触。
开发和测试高效的算法，包括路径规划、约束满足、稀疏编码、词典学习和动态模式学习和适应。
在计算机技术和算法创新的推动下，人工智能的变革力量预计将对社会产生巨大的影响。通用的计算和定制的硬件和软件都可以在各个方面发挥作用，而英特尔目前在这方面也有所布局。
目前英特尔Xeon Phi处理器，应用于科学计算，产生了一些最大的模型来解释大规模的科学问题，还有Movidius神经计算棒这样以仅仅1瓦的功率运行训练后的模型的产品。
雷锋网翻译自：https://newsroom.intel.com/editorials/intels-new-self-learning-chip-promises-accelerate-artificial-intelligence/。
雷峰网原创文章，未经授权禁止转载。详情见转载须知。
