中文繁體版   English   星期日 ,6月 7日, 2020 (台北)
登入  申请试用  MY DIGITIMES236
 
断链之后
B2B

英特尔将神经形态研究系统扩展至1亿个神经元

  • 陈其璐/台北

英特尔Nahuku基板可安装8至32个英特尔Loihi神经形态研究芯片。英特尔于2020年3月发表的最新神经形态运算系统「Pohoiki Springs」,由24块搭载32个芯片的Nahuku基板组成,一共集成了768个Loihi神经形态研究芯片。

英特尔宣布旗下最新且功能强大的神经形态研究系统「Pohoiki Springs」已可提供1亿个神经元的运算能力。此以云端为基础的系统将提供给英特尔神经形态研究社群(Intel Neuromorphic Research Community;INRC)的成员,以扩展其神经形态研究工作,解决更庞大、更复杂的问题。

英特尔神经形态运算实验室总监Mike Davies表示,Pohoiki Springs将英特尔Loihi神经形态研究芯片的运算能力扩展了750倍以上,同时可以低于500瓦的功率执行运算。Pohoiki Springs系统使英特尔的研究合作伙伴能够探索各种方法,于包括高效能运算(High-Performance Computing;HPC)系统在内的传统架构上,加速目前执行缓慢的工作负载。

英特尔于2020年3月发表的最新神经形态运算系统「Pohoiki Springs」,由24块搭载32个芯片的Nahuku基板组成,一共集成了768个Loihi神经形态研究芯片。

Pohoiki Springs为资料中心机架式系统,是英特尔迄今为止所研发的最大的神经形态运算系统。Pohoiki Springs将768个Loihi神经形态研究芯片集成在一个具有5台标准服务器大小的机箱中。

Loihi如同大脑一般,可透过比传统处理器快1,000倍的速度及高出10,000倍的效率,处理特定需求较高的工作负载。Pohoiki Springs是扩展Loihi系统架构以评估解决人工智能问题与各种运算难题的下一步。英特尔研究人员认为,与当今最先进的传统计算机相比,神经形态系统的极度并行特性与非同步讯号传输特性,可大幅降低功耗并显著提升效能。

在自然界中,即使是一些最微小的生物也能解决高度困难的运算问题。例如,尽管许多昆虫的大脑神经元数量不到100万个,但牠们仍然可以实时透过视觉来追踪目标、导航并避开障碍物。

同样地,英特尔最小的神经形态系统Kapoho Bay由两个Loihi芯片和262,000个神经元组成,可支持各种实时的边缘工作负载。英特尔和INRC研究人员已证明了Loihi能够实时识别手势、使用新型人造皮肤读取盲人点字、透过视觉地标来定位方向、以及学习新的气味模式,而这些过程仅需消耗数十毫瓦的功率。

Pohoiki Springs拥有1亿个神经元,可将Loihi的神经容量增加至小型哺乳类动物大脑的规模,这是迈向未来支持更大、更复杂的神经形态工作负载的重要一步。Pohoiki Springs系统为自主与互联的未来奠定基础,提供全新方法来进行实时的动态资料处理。

包含Pohoiki Springs在内的英特尔神经形态系统仍处于研发阶段,且并非为了替代传统的运算系统。相反地,它们为研究人员提供了一种工具,用于开发和描述新的类神经算法特性,以进行实时的处理、问题解决、适应和学习。

INRC成员将透过使用英特尔Nx SDK和社群提供的软件工具组之云端系统,在Pohoiki Springs上构建及取得应用程序。

正在为Loihi开发之具潜力和高度扩展性的算法范例包括满足限制,查找图形与模式与最佳化问题。满足限制的问题在现实世界中无处不在,从数独游戏到航空公司的排班调度,或者是包裹运送排程都属于此类问题。这类问题需评估大量潜在的解决方案,以找出满足特定限制条件的单一或数个解决方案。Loihi能透过高速并行查找许多不同的解决方案以加速解决这类问题。

查找图形与模式,人们每天都在查找基于图形的资料结构,以找到最佳路径和紧密匹配的模式,例如取得驾驶导航指示方向或辨识人脸。Loihi已证明能够快速找出图形中的最短路径并执行概略图象查找的功能。而最佳化问题,神经形态结构可被程序化,以达到随时间变化的动态行为能够在数学上最佳化特定目标。此行为可用于解决现实世界中的最佳化问题,例如将无线通讯频道的带宽最大化,或者配置股票资产组合,达到在特定的目标报酬率之下将风险降至最低。

CPU和GPU等传统通用处理器特别擅长处理人类难以完成的任务,例如高精准度的数学运算。然而科技的角色和应用正在不断扩展。从自动化到人工智能以及其它领域对计算机的需求越来越高,计算机需要像人脑一样运行,以实时处理非结构化和充满杂讯的资料,同时适应各种变化。这项挑战激发了全新的专门化架构。