本文作者：

Michael C. Mayberry博士

Michael C. Mayberry博士

英特爾公司副總裁兼英特爾研究院院長

Michael C. Mayberry博士現(xiàn)任英特爾公司副總裁兼英特爾研究院院長，負責英特爾在計算和通信領(lǐng)域的全球研究工作。此外，他還領(lǐng)導公司研究委員會，負責推動英特爾大學定向研究項目的資源調(diào)配與優(yōu)先排序。

自從1984年加入英特爾公司并擔任制程集成工程師以來，Mayberry博士曾在公司的多個職位任職。作為加州技術(shù)開發(fā)團隊的成員，他開發(fā)了EPROM、閃存和邏輯晶圓制造工藝。1994年，他加入晶圓測試技術(shù)開發(fā)團隊，負責英特爾微處理器測試流程的路線圖制定與開發(fā)工作。2005年，他進入組件研究團隊，負責為英特爾的技術(shù)開發(fā)部門提供未來制程的選項。

Mayberry博士于1983年在加州大學伯克利分校獲得物理化學博士學位，并于1978年在米蘭德學院獲得化學與數(shù)學學士學位。

想象一下——未來，我們可以更加迅速的對復雜問題做出決策并且能隨時自動調(diào)整，很多社會和工業(yè)問題也都可以通過自主學習經(jīng)驗來自動解決。未來，一線救援人員可以通過圖片識別分析街道攝像頭畫面，并迅速解救失蹤或被綁架的人。未來，交通信號燈會根據(jù)交通流量自動調(diào)整變燈時間，控制起步停車的時間從而減少交通擁堵。未來，機器人將變得更加自主化，性能效率也都會顯著提高。

隨著從高度動態(tài)、非結(jié)構(gòu)化自然數(shù)據(jù)中進行收集、分析和決策的需求越來越高，對計算的需求也超越了經(jīng)典的CPU和GPU架構(gòu)。為了跟上技術(shù)發(fā)展的步伐，并推動PC和服務器以外的計算，英特爾過去六年來一直在研究能夠加快經(jīng)典計算平臺的專用架構(gòu)。最近英特爾還加大了對人工智能（AI）和神經(jīng)擬態(tài)計算的投資和研發(fā)。

我們在神經(jīng)擬態(tài)計算領(lǐng)域的研究工作是基于幾十年來的研究與合作，這項研究是由加州理工學院Carver Mead教授最先開始的，他以半導體設(shè)計的基礎(chǔ)性工作而聞名。芯片專業(yè)知識、物理學和生物學的結(jié)合為新想法的創(chuàng)造提供了一個良好的環(huán)境。這些想法非常簡單，卻具有革命性：將機器與人腦進行比較。該研究領(lǐng)域?qū)⒏叨葏f(xié)作和不斷支持科學的進一步發(fā)展。

作為英特爾研究院的一個研究課題，英特爾開發(fā)了代號為Loihi的第一款自主學習神經(jīng)擬態(tài)芯片， 它模仿了大腦根據(jù)環(huán)境的各種反饋來學習如何操作的運作方式。這是一種非常節(jié)能的芯片，它利用數(shù)據(jù)來學習并做出推斷，隨著時間的推移變得更加的智能，并且不需要以傳統(tǒng)方式進行訓練。它采用一種新穎的方式通過異步脈沖來計算。

我們認為人工智能還處于初級階段，Loihi等更多的架構(gòu)和方法將不斷涌現(xiàn)，從而提高人工智能的標準。神經(jīng)擬態(tài)計算的靈感來自我們目前對大腦結(jié)構(gòu)及其計算能力的了解。大腦的神經(jīng)網(wǎng)絡(luò)通過脈沖來傳遞信息，根據(jù)這些脈沖的時間來調(diào)節(jié)突觸強度或突觸連接的權(quán)重，并把這些變化存儲在突觸連接處。腦內(nèi)神經(jīng)網(wǎng)絡(luò)及其環(huán)境中多個區(qū)域之間的協(xié)作和競爭性相互作用就產(chǎn)生了智能的行為。

機器學習，如深度學習，通過使用大量的訓練數(shù)據(jù)集來識別物體和事件，最近取得了巨大的進步。但是，除非這些訓練數(shù)據(jù)集考慮到特定的元素、條件或環(huán)境，否則這些機器學習系統(tǒng)不能得到很好地泛化。

自主學習芯片的潛在好處是無窮無盡的。例如它能夠把一個人在各種狀況下——慢跑后、吃飯前或睡覺前——的心跳數(shù)據(jù)提供給一個基于神經(jīng)擬態(tài)的系統(tǒng)，來解析這些數(shù)據(jù)，確定各種狀況下的“正常”心跳。這個系統(tǒng)隨后持續(xù)監(jiān)測傳入的心跳數(shù)據(jù)，以標記出與“正常”心跳模式不相符的情況。這個系統(tǒng)還可以針對任何用戶提供個性化服務。

這種類型的邏輯也適用于其它的應用場景，例如：網(wǎng)絡(luò)安全，由于系統(tǒng)已經(jīng)學習了各種狀況下的“常態(tài)“模式，因此當數(shù)據(jù)流中出現(xiàn)異?；虿町惖臅r候，就可以識別出漏洞或黑客攻擊。

英特爾推出Loihi測試芯片

Loihi研究測試芯片包括模仿大腦基本機制的數(shù)字電路，從而讓機器學習變得更快、更高效，同時對計算力的需求更小。神經(jīng)擬態(tài)芯片模型的靈感來自于神經(jīng)元通信和學習的方式，利用了可根據(jù)時間調(diào)節(jié)的脈沖和可塑觸突。這將幫助計算機在模式和關(guān)聯(lián)的基礎(chǔ)上實現(xiàn)自組織并做出決策。

Loihi測試芯片提供高度靈活的片上學習能力，并把訓練和推斷整合到一個芯片上。這讓機器實現(xiàn)自動化，并實時進行調(diào)整，無需等待來自云端的下一次更新。研究人員已證實，與其他典型的脈沖神經(jīng)網(wǎng)絡(luò)相比，在解決MNIST數(shù)字識別問題時，以實現(xiàn)一定準確率所需要的總操作數(shù)來看，Loihi芯片學習速度提高了100萬倍。與卷積神經(jīng)網(wǎng)絡(luò)和深度學習神經(jīng)網(wǎng)絡(luò)相比，Loihi測試芯片在同樣的任務中需要的資源更少。

這種測試芯片的自主學習功能具有巨大的潛力，可以改進汽車和工業(yè)應用以及個人機器人——包括任何在非結(jié)構(gòu)化環(huán)境下得益于自主操作和持續(xù)學習的應用，例如，識別汽車或自行車的運動。

此外，與訓練人工智能系統(tǒng)的通用計算芯片相比，Loihi芯片的能效提升了1000倍。2018年上半年，英特爾將與著名大學和研究機構(gòu)共享Loihi測試芯片，致力于推進人工智能。

更多亮點

Loihi測試芯片的功能特性包括：

• 全異步神經(jīng)擬態(tài)多核心網(wǎng)絡(luò)，支持多種稀疏、分層和循環(huán)神經(jīng)網(wǎng)絡(luò)拓撲結(jié)構(gòu)。每個神經(jīng)元可以與成千上萬個其它神經(jīng)元通信。

• 每個神經(jīng)形態(tài)核心都包含一個學習引擎，在操作中可以通過編程去適配網(wǎng)絡(luò)參數(shù)，支持監(jiān)督學習、無監(jiān)督學習、強化學習和其他的學習范式。

• 芯片的制造采用了英特爾14納米制程技術(shù)。

• 共有13萬個神經(jīng)元和1.3億個觸突。

• 以極高的算法效率開發(fā)并測試了多種算法，以解決以下問題：路徑規(guī)劃、約束滿足、稀疏編碼、字典學習，以及動態(tài)模式學習與適配。

下一步計劃

在計算機和算法創(chuàng)新的推動下，人工智能的變革性力量預計將對社會產(chǎn)生重大影響。現(xiàn)在，英特爾正在運用自身的優(yōu)勢，推動摩爾定律和制造領(lǐng)先地位，為市場帶來各種產(chǎn)品——英特爾?至強?處理器、英特爾? Nervana?技術(shù)、英特爾Movidius?技術(shù)和英特爾FPGAs ——以便從網(wǎng)絡(luò)邊緣到數(shù)據(jù)中心和云計算平臺，來滿足人工智能計算任務的獨特需求。

通用計算和定制硬件和軟件都能在各個尺度上充分發(fā)揮作用。英特爾?至強融核?處理器，廣泛應用于科學計算，已經(jīng)產(chǎn)生了一些世界上最大的模型，來解釋大規(guī)模的科學問題。而Movidius神經(jīng)計算棒則能夠在只消耗1瓦特功率的情況下部署之前的訓練模型。

隨著人工智能計算任務變得越來越多樣化和復雜，研究人員將關(guān)注當前主流計算架構(gòu)的局限性，提出新的顛覆性方法。展望未來，英特爾認為，神經(jīng)擬態(tài)計算帶來了一種方式，以類似大腦的結(jié)構(gòu)來提供超大規(guī)模的計算性能。

隨著我們把神經(jīng)擬態(tài)計算這樣的概念推向主流，以支持未來50年的世界經(jīng)濟，我希望大家未來幾個月繼續(xù)關(guān)注來自英特爾研究院的激動人心的里程碑事件。在神經(jīng)擬態(tài)計算普及的未來，隨著智能和決策變得更加的順暢、快速，你所能想象的一切——甚至超越你想象的事情——都會變成現(xiàn)實。

英特爾開發(fā)創(chuàng)新計算架構(gòu)的愿景仍然堅定不移，我們之所以了解未來計算的面貌，是因為我們?nèi)缃裾陂_發(fā)它。