永远在线的人工智能:通用神经形态硬件才是 AI 的未来吗?

【新智元导读】2012年一项被誉为“最逼真人工大脑”的研究发表在 Science 杂志上,名为 Spaun 的这个系统一时引起许多关注。现在,Spaun 团队使用神经形态芯片,将运行速度提高了9000倍。神经形态芯片将带来 AI 硬件的一场革命,或许不久我们能在移动设备上运行 AI 算法。

例如苹果的 Siri 等的 AI 服务,是将用户的查询发送到别处的数据中心,再从数据中心发送回来响应。这些服务需要依赖基于云的计算的原因是,现在的电子产品缺乏足够的计算力来运行机器学习算法。大多数智能手机使用的 CPU 都不可能在手机设备上处理 Siri 这样的系统。Chris Eliasmith 博士是加拿大 AI 创业公司 Applied Brain Research 的联合 CEO 和理论神经科学家,他认为一种新型芯片将为此带来改变。

“许多人认为摩尔定律正在走向终结,这意味着我们没法继续使用同样的方式令计算力增加的同时成本更低,”Eliasmith 说。他把赌注下在“神经形态芯片”,这种类型的计算机芯片虽然尚未广为人知,但已有几家主要的芯片制造商在开发。

传统的 CPU 基于“时钟时间”处理指令,信息被以规律的时间间隔传输,就像有一个节拍器在管理着一样。通过包装在神经元的数字等效中,神经形态芯片使用“尖脉冲”(spike)并行地进行通信。就像人类的大脑一样,芯片的神经元通过处理输入的电流进行通信,每个神经元能够根据输入的尖脉冲确定是否将电流发送到下一个神经元。

这类芯片的厉害之处在于,它们处理 AI 算法所需的功率相比传统芯片少得多。例如,IBM 制造的神经形态芯片包含的晶体管是标准 Intel 处理器的5倍,但是消耗的功率仅为70毫瓦。标准处理器需要35到140瓦,是神经形态芯片的2000倍。

Eliasmith 指出,神经形态并不是新的东西,神经形态芯片的设计80年代就出现了。但是,当时需要将特定算法的设计直接烧制到芯片上。这意味着你检测动作需要用一个芯片,检测声音需要用另一个芯片。没有一个芯片能够像我们的大脑皮层一样,可以作为一个通用的处理器。

部分原因是程序员尚没有办法设计可以用一个通用的芯片做各种任务的算法。因此,虽然这些类脑芯片已经在开发中,为它们构建算法仍然是一个很大的挑战。

Eliasmith 和他的团队专注于构建能让程序员在这些新型类脑芯片上部署 AI 算法的工具。他们的成果的核心是 Nengo,一个可以让开发者使用来构建在通用神经形态硬件上运行的 AI 算法的编译器。编译器是一种软件工具,程序员使用它来编写代码,并将代码转换为复杂的指令以让硬件实际去做某个任务。Nengo 的好用之处在于它使用熟悉的以语法直观闻名的 Python 语言,并且能够将算法部署于多个不同的硬件平台,包括神经形态芯片。不需要多长时间,任何了解 Python 的人都能学会为神经形态硬件构建复杂的神经网络。

据 Applied Brain Research 称,Nengo 已经建立起包括视觉系统、语音系统、运动控制系统和自适应机器人系统等。其中最令人印象深刻的系统是 Spaun,据称这是在计算机上模拟的最复杂的大脑模型。

下面的视频介绍了 Spaun 对示例任务的大脑活动和解码。

视频内容

Spaun 证明了计算机可以与环境流畅交互,并能够执行类似人类的认知任务,例如识别图像、控制机器人手臂写下看到的东西,等等。这个机器并不完美,但它已经是一个惊人的实证,证明了计算机有一天能够模糊人的认知与机器的认知之间的界限。最近,通过使用神经形态芯片,Spaun 的运行速度加快了9000倍,相比传统 CPU 消耗的功率也更少。到2017年底,Spaun 将全部在神经形态芯片上运行。

Applied Brain Research 的另一名 CEO Peter Suma 说:“虽然 Spaun 展示了一种将来某天能够建立流畅的智能推理系统的方法,但更近的希望是,神经形态芯片将使许多类型的情境感知 AI 成为可能。”Suma 指出,虽然现在像 Siri 这样的 AI 在得到指令采取行动之前都是离线的,但很快我们就会有“永远在线”的人工智能体,将会一直存在于我们的生活中。

至于对“用户隐私信息”的忧虑,由于 AI 将在本地设备上处理信息,信息就没有必要触及大公司的服务器。Eliasmith 认为,这个“永远在线”的部分是实现真正的机器认知的必要步骤。他说“现在最常用的 AI 系统与人类自己的生物智能系统之间最根本的区别在于,后者无论何时都是实时操作的。”

IT 行业已经有越来越多的工作在试图将 AI 服务部署到用户的移动设备中。苹果、Facebook、亚马逊,甚至三星等公司都正在开发智能对话助理,他们希望有一天能成为用户的数字助理。伴随着神经形态芯片和 Nengo 等工具的兴起,我们将很快能在智能手机上看到令人惊叹的机器智能水平。

原文地址:http://www.wired.co.uk/article/ai-neuromorphic-chips-brains

原文发布于微信公众号 - 新智元(AI_era)

原文发表时间:2017-03-20

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

发表于

我来说两句

0 条评论
登录 后参与评论

相关文章

来自专栏PPV课数据科学社区

入门者:该如何实施数据分析的过程?

数据分析是指通过建立审计分析模型对数据进行核对、检查、复算、判断等操作,将被审计单位数据的现实状态与理想状态进行比较,从而发现审计线索,搜集审计证据的过程。 数...

298100
来自专栏AI科技大本营的专栏

重读经典 | 亚马逊“一键下单”的背后——个性化推荐系统的发展历程

一般都认为,亚马逊的成功要归功于它鼎鼎大名的“一键下单”功能,但“一键下单”的背后,还需要一个成单量极高的智能推荐系统,来驱动消费者不停地在亚马逊上“买!买!买...

39760
来自专栏钱塘大数据

从底层到应用,数据人必须具备哪些技能?

1大数据平台 目前很火,数据源头,各种炫酷新技术,搭建Hadoop、Hive、Spark、Kylin、Druid、Beam~,前提是你要懂Java,很多平台都是...

355110
来自专栏CDA数据分析师

数据科学家的自我修养 | 哪些技能是必不可少的?

市场上对数据科学家的要求特别多:需要掌握机器学习、计算机科学、统计学、数学、数据可视化,深度学习等知识。要想全部掌握这些方面的知识,科学家需要学习数十种语言、框...

8720
来自专栏ATYUN订阅号

【业界】研究表明:人工智能是理解量子系统的关键

AiTechYun 编辑:nanan 当研究人员用量子计算机进行实验时,他们基本上是在黑暗中工作。我们目前的电脑速度太慢,无法验证任何超出最基本的量子实验的结果...

26450
来自专栏灯塔大数据

当HR遇上大数据,我们看看腾讯是如何做的?

? 搜索一下“HR+大数据”,可以轻松得到几百万条记录,可见大数据在HR领域并不是一个陌生的话题,遗憾的是,热度有余而深度不足。北大光华的穆胜博士在其写的《大...

47550
来自专栏北京马哥教育

从底层到应用,大数据工程师成长之路必备技能汇总

概述:谨以此文献给对数据有热情,想长期从事此行业的年轻人,希望对你们有所启发,并快速调整思路和方向,让自己的职业生涯有更好的发展。 根据数据应用的不同阶段,我将...

36550
来自专栏CSDN技术头条

从底层到应用,大数据工程师成长之路必备技能汇总

概述:谨以此文献给对数据有热情,想长期从事此行业的年轻人,希望对你们有所启发,并快速调整思路和方向,让自己的职业生涯有更好的发展。 根据数据应用的不同阶段,我将...

34290
来自专栏新智元

谷歌Edge TPU专用芯片横空出世!抢攻IoT欲一统物联网江湖

【新智元导读】谷歌今天宣布推出用于边缘计算的Edge TPU,作为Cloud TPU的补充,目前Edge TPU仅用于推理,专为在边缘运行TensorFlow ...

12120
来自专栏EAWorld

基于人工智能场景的移动平台工程化实践

持续关注我们公众号的人可能会留心到我们在移动平台和人工智能的结合上进行过多方面的尝试,也发布过两篇专题文章。分别是《智能化的Conversational UI是...

14710

扫码关注云+社区

领取腾讯云代金券