英特尔布局神经形态计算芯片

据外媒报道，英特尔(Intel)实验室开发了一种神经形态处理器，研究人员认为它可以比传统架构的芯片（如GPU或CPU）更快、更有效地执行机器学习任务。对这种代号为Loihi的新芯片的研制工作已经进行六年了。

Loihi由数字形式的神经元和突触提供动力，它们被用来执行异步脉冲，这是一种类似于我们大脑工作方式的计算方式。目前的理论是，我们大脑内的生物神经网络会对外部刺激产生响应脉冲，并通过修改网络连接将这些脉冲存储为信息。Loihi也有自己的虚拟神经元和突触，因此能够具有类似的能力和行为。

这样的模型能够以交互和连续的方式执行机器学习任务。英特尔实验室总监兼企业副总裁Michael Mayberry发表了一篇关于该新型芯片的社论，解释了这种架构的意义：

“Loihi测试芯片能够提供高度灵活的片上学习功能，并能够将训练和推理集成到单个芯片上。这使得机器实现了自动化，并能够进行实时调整，而不需要等待来自云端的下一次更新。研究人员已表明，在解决MNIST数字识别问题时，为了达到一定的准确性，其他典型的脉冲神经网络以总操作来测量，与之相比，该芯片的学习速度提高了100万倍。与诸如卷积神经网络和深度学习神经网络等技术相比，Loihi测试芯片在相同任务中使用的资源要少得多。”

他进一步描述了一些典型的应用程序，在这些程序中加入这种实时处理功能是很有好处的：跟踪你的心跳，以便在疾病发作之前发现潜在问题；监控网络安全系统，以检测黑客攻击或其他类型的系统入侵。他指出，该技术还可以被用于各种自动化和工业应用——基本上任何需要进行实时决策、或需要持续性训练的应用。而且根据Mayberry的说法，Loihi的能源效率比普通电脑高出1000倍，它可以嵌入到人形机器人或其他独立于电网运行的设备上。

为了实现这个目标，Loihi已经配备了13万个神经元和1.3亿个突触，并使用英特尔的14nm工艺技术生产。更深入地说，该芯片可以被描述为一个多核网格，其每个核心都配备了适合有监督和无监督学习的“学习引擎”。它支持一系列的网络拓扑结构，包括稀疏、分层和循环的神经网络。

英特尔并不是唯一一家研究神经形态芯片的公司。IBM研究机构开发了TrueNorth，这是2014年推出的一种神经形态芯片。它拥有100万个神经元和2.96亿个突触，分布在4096个核心中，目前正在由国家能源部的Lawrence Livermore实验室和美国空军进行试验。另外还有40多所大学、政府实验室和企业也在研究该芯片。该芯片已被用于图像和语音识别问题，且根据IBM的描述，其展示出的精确度与那些针对这些应用程序进行了调整的现有平台相当。

尽管从理论上来说，TrueNorth含有的神经元数量几乎是Loihi的八倍，突触数量几乎是Loihi的两倍，但并不能保证它的能力比Loihi强。主要的困难是搞清楚底层多个核心的运行细节。迄今为止，英特尔还没有发布Loihi的基准测试，尽管Mayberry表示他们已经开发和测试了“几种高效的算法，以解决包括路径规划、约束满足、稀疏编码、字典学习和动态模式学习与适应在内的诸多问题。”

该芯片在现实应用程序中的性能仍然是未知的。但由于Loihi将在2018年上半年被提供给大学和研究机构，从理论上来说，这些组织可以通过各种不同的应用对英特尔和IBM的神经形态芯片进行比较。

对英特尔来说，更大的问题是这个测试芯片是否会被投入商用。如果是，它将与该公司的AI处理器产品组合相兼容。目前，英特尔正计划从多个方面着手来开拓这个市场。首先推出的是Knight Mill，这是一个针对深度学习优化过的Xeon Phi处理器，计划在2017年第四季度推出。基于该公司Nervana IP的专业深度学习协处理器Lake Crest也在开发之中，它原本应该在2017年上半年发布，但却没有实现，而其新的发布日期也是未知数。路线图的下一步是Knight Crest，这是一种类似于Xeon-Nervana的混合处理器，预计将于2020年问世。

英特尔还将其Altera FPGA产品系列定位于深度学习推理器，而这些芯片已经在针对此类应用程序的微软Azure云平台上占据了主导地位。该芯片制造商最近还推出了Movidius神经计算棒(Neural Compute Stick)，这是一款基于USB的推理平台，主要针对当前最先进的主机设备。即使是通用的Xeon CPU，现在也在其最新的Skylake版本中针对AI做出了一些调整。所有这一切都反映出英特尔的观点，即人工智能的能力将在其所服务的市场中无处不在，并且必将在所有平台上得到一定程度的支持。

与任何其他架构相比，这种神经形态结构很有可能具备最大的上升潜力，并且在某种程度上，可能会最终取代GPU和一个或多个英特尔自己的AI平台。尽管距离商业化还需要几年时间，AI市场的最终规模也迫使像英特尔和IBM这样的IT巨头从事高风险的研发工作。要了解这些特定的实验结果，我们只需要耐心等待。