仿大脑AI的先驱者 ABR使装置变得更有智能

尽管神经形态(neuromorphic)运算仍处于初期阶段，但透过采用类似于人脑运作的设计元素，它提供了一个充满潜力的新方式，能使AI装置变得更智能、更精巧、更高效。

以加拿大滑铁卢(Waterloo)大学系统工程系Chris Eliasmith博士的理论神经科学实验室的研究成果为基础，加拿大AI新创公司Applied Brain Research公司(ABR)已正式推出Nengo平台。

此平台能够在各种运算芯片架构上进行编程，并视觉化地除错神经网络模型，包括最强大的新兴神经形态芯片，如Intel Loihi和SpiNNaker。它具有许多独特的功能，可把AI模型转换到Nengo支持的任何平台上执行，包含了从CPU、GPU、微控制器、FPGA，到超级电脑以及神经形态芯片。

ABR共同CEOPeter Suma表示，Nengo是最易用、且功能强大的神经形态AI开发套件，可用来开发实时、多平台AI系统。「Nengo可协助开发人员为所有平台开发一次AI模型，然后仅需简单转换，便能在神经形态芯片上执行演算法，然后轻松对所有架构进行基准测试，以比较功率、速度和准确性。」

虽然神经形态芯片尚未商业化，但包括英特尔和IBM在内的多家公司正积极针对各种测试芯片进行研究。

Suma解释说，与使用CPU或GPU执行AI演算法相比，神经形态芯片具备了使AI网络高效运作的优势，包括信号处理AI(语音、视讯、传感器、控制)、最佳化和特定的查找问题。针对某些应用，可取得超过1,000,000倍功率和/或速度的效能提升。

他强调，神经形态芯片在边缘视觉的应用，将成为实时视觉的游戏规则改变者。未来几年内，预期业界将推出多款新的神经形态芯片，加速此技术的发展。

「下一个主要的进展可能是在视觉领域，因为市场需要数百万个神经元来开发出比GPU更高效的视觉芯片。我们大概仅距离此目标一到两个时代。随着这些硬件创新的实现，能够不必重新开发所有的AI网络便能发挥新的硬件优势至关重要，而这正是Nengo所擅长的。」

有监于此，ABR的Nengo已准备好透过其独特的多平台支持能力，使AI模型扩展到神经形态运算，以协助开发人员运用这些令人振奋的新硬件平台。

ABR多年来研究大脑运算取得的一系列演算法，现已取得专利，可用来提升装置中的AI处理效率，使其变得更智能(可在装置中执行比以前更多的AI)和/或使现有的AI处理更有效率，以提升其回应速度。

举例来说，ABR开发了一种在AI网络中处理语音或传感器数据的数学方法。该公司的科学家正式以数学证明了，这是处理此类信号的最佳方法。

透过把此演算法纳入Nengo中，ABR创下了处理语音指令识别的最低功耗和最小AI网络世界纪录。可回应语音命令的装置，如穿戴装置、手机和汽车等，若采用ABR的AI网络，将能实现更长的电池寿命，以及最快、最准确的语音指令识别功能。

Suma表示：「采用我们的仿大脑AI方法和Nengo，我们可使现有的AI系统变得更小、功耗更低，而且更准确，以减少装置中AI处理所需的芯片和存储器尺寸和成本。」

凭藉这些优势，ABR现在正寻求装置制造商客户，希望能协助他们利用更好的数学演算法，开发出更智能、更高效的AI装置。