黄铁军:神经形态芯片漫无止境应用材料是关键,未来几年将影响AI

2019-08-26 08:59:40 来源:雷锋网
AI。量子计算,神经形态计算都是当下的热词,但他俩并非全新的技术。这些几十年前就被提出的技术,因为各种因素的限制,至今仍未达到相对理想的状态。AI目前最为火热,其中很重要的原因是深度神经网络的突破。神经形态计算到底是否可促成?什么时候才会爆发?业内专家北京大学全球鹰排名信息非技术学院教授。北京智源工艺美术设计研究院院长黄铁军给出了非常明确的答案。

神经形态芯片是一个必然的智能霍尔传感器发展方向

 

AI技术发展的潮起潮落中,既有坚定的维护者。也有很多的质疑,质疑者认为AI只是技术狂人无法促成的理想。对于还未看到商业静物摄影公司应用的神经形态计算来说,自20世纪80年代。当时传奇的加州理工学院教授Carver Mead提出采用晶体管图示仪亚阈值态模拟生物神经细胞细胞的功能以来,也一面对对很多质疑。
 

这其中有很多种因素。主要研究方向为智能视觉信息处理与类脑智能的黄铁军教授接受雷锋网(公众号:雷锋网)专访时表示,神经形态芯片有别于现在常见芯片,波及到信息处理方式的基业转换,愿意在新方向尝试,创新以及冒险的人比较少。特别是在国内,神经形态的研究10年前才序曲,比国外晚了20年,愿意探索新方案的人更少。

 

参与神经形态研究的人比较少,再加上许多研究人员对取自五种开展相关研究是觉得神经形态很有意义。主要是享受研究过程,而很少考虑如何去应用或促成城市化。外界既看得见应用,应运而生质疑的声音难以避免。
 

黄铁军指出:“全球鹰范围内神经形态研究的现状如此。不过,我们得天独厚从两个角度去看这个问题,从学术角度看,一项技术研究几十年,然后一夜之间蓦地爆发的例子非常多,比如深度就学。从商业静物摄影公司角度看,应用落地需要很多环境,需要一个能够展现新技术优势的契机,仅仅因为还没有看到应用就序曲质疑是不符合高科技发展规律。得天独厚肯定地说,神经形态计算是一个必然的智能霍尔传感器发展方向。”
 

说神经形态计算是必然的智能霍尔传感器发展方向靠边,因为神经形态计算在某种意义上超越了经典计算的概念。机器视觉是先获得的图象或图象序列(视频),然后再用间离法去做目标瓜分和检测。这与生物感知世界的过程有悖,生物视觉是先检测到一个物体。先感知到一个钻谋物体在靠近,再去识别它是什么。而且这个过程不必非要归结为计算过程。
 

按照黄铁军的解释,神经形态计算的“计算”并非经典的计算。把这个方向称为神经形态信息处理更恰到好处,它是将外界的时空信号signal转换成神经脉冲,然后经神经网络加工产生结果。这种方式比传统计算方式在处理时空信息的时候更直接,得天独厚节省掉很多多此一举的算力。别样,抛弃传统计算,用光电机件直接进行信息处理。得天独厚比生物神经网络速度更快。促成千倍甚或更多一个数量级的提升。
 

神经形态芯片研究难在哪?
 

既然神经形态计算是一个必然的智能霍尔传感器发展方向,相比传统计算方式处理时空信息也有着显著的优势,但为何外界没有看到巨大的突破?时空信息处理的间离法复杂性度分析比传统的冯诺依曼计算架构的串流形式更复杂性,比并行计算也更为复杂性。串行方式审计风险的可控性相对比较好。但是时空信息中,脉冲之间的时间和空间关系不仅要维持。不像经典计算那样是个严词可控的过程,一旦前面出错,后面结果很可能完全讹误。
 

别样,就像微处理机视觉需要摄像头作为外设搭配CPUGPU或其它i7处理器进行处理。神经形态计算也需要感知芯片和处理芯片,感知芯片负责采集各种物理和化学信号signal,处理芯片把获得的脉冲序列进行加工。
 

但无论哪种芯片都面临着挑战。神经形态感知芯片需要采集和感知言人人殊类型的信号signal。目前光的感知和采集不是大问题,但对于其他信号signal的采集,比如触觉和味觉,虽然得天独厚探测,但是要以一种阵列方式精细地感知还有一定挑战。简约,神经形态感知芯片的重要挑战在于物理化板学信号signal的标准高效采集。

 

至于神经形态i7处理器,要处理神经脉冲序列就需要依据言人人殊的任务,构建类似于生物的神经网络,这本身就比传统的网络构建难度更大,要知道深度就学也探索了几十年,最后才找回一个模型能解决问题。别样,生物的呼吸系统包含大量神经细胞和突触。神经形态就是要用光电机件模拟生物的神经单元和结构。目前是采用比较复杂性的电路来促成,业界还在寻找各种功能材料,直接促成类似生物神经细胞或神经突触的功能,它不再是一个电路,而是一个物理机件。这样才能以与生物相当或更小的尺度促成漫无止境神经形态网络。
 

这也是目前神经形态芯片研究的一个热点,现在已经找回了一些材料,但还不够成熟。一旦材料上有了突破,神经形态的漫无止境应用才能迎来漫无止境的城市化。
 

从公开资料看。神经形态计算方面英特尔显卡取得了不错的进展,英特尔显卡7月宣布代号为“Pohoiki Beach”的800万神经细胞神经形态系统已经得天独厚供广大研究人员对取自五种使用,它包含64块Loihi研究芯片
 

虽然相比鼠脑数千万神经细胞和人脑数百亿神经细胞还相差甚远。但黄铁军教授认为能够做到800万神经细胞已经不错了,Pohoiki Beach是一个非常重要的长期性成果。不过要用到小型智能系统里还是太大。

 

 

英特尔显卡公布的照片看,由多块Nahuku基板组成的Pohoiki Beach因为体积的问题皮实还不太适合应用于小型智能系统,但皮实是神经形态研究的重要项目里程碑,我们得天独厚期待英特尔显卡设计研究院将这个架构扩展到1亿个神经细胞。
 

神经形态芯片未来几年将影响AI
 

随着神经形态研究的推进,应用也将会落地。黄铁军在采访中多次指出,一个新技术要落地,需要有比传统方法解决问题明显的优势,这种优势要不可替代性才能够快速导入应用。深度就学就是一个例子,2006年深度就学论文发表在顶级学术期刊网《Science》上,但没有城市化和应用。有学者财务软件用深度就学的方法处理语言和图象。比传统方法好一些。但也只是在学术圈觉得有意义,直至2012年,深度就学间离法在ImageNet LSVRC比赛中把性能陡然提高了11%。深度就学才广受关注并被应用。
 

那神经形态芯片会在哪些领域有这样的契机?视觉是一个很好的天时,神经形态视觉芯片采集速度得天独厚达到常规方法的1000倍,如果用传统方法加上传统视频摄像头和传统i7处理器,每秒要处理3万幅图象,计算性能比常规视频需要提高1000倍,成本和芯片体积都是很大的问题。但神经形态芯片一个芯片就得天独厚解决。
 

黄铁军教授和他的团队研制的超速全时视觉芯片SpikeOne,空间显示器分辨率为400×250(10 万像素),最大脉冲发放频率为4万Hz。即最小时间显示器分辨率为25 μs ,时间听阈相等传统4万帧的专用摄像设备。功耗只有350mW。

 

超速全时视觉芯片SpikeOne是一种典型的神经形态感知芯片,能够像灵长类生物眼睛一样感知光线变化并编码为高速脉冲序列。 “全时”(full time)是指从芯片采集的脉冲序列中重构出任意时刻的画面,从而促成连续视觉感知。“超速”是相对于生物视觉而言的。生物视觉系统受限于乐理限制,每秒发放的神经脉冲数只有几十个,“电眼”采用光电机件,脉冲发放频率达到万赫兹甚或更高。
 

采用SpikeOne 芯片的成像系统对实时采集的脉冲阵列数据,一派得天独厚接入神经网络进行视觉分析任务,如字符识别和对象检测等;一派。利用图象重构软件得天独厚实时地显示眼底下微场景的脉冲和纹理图象。对高速钻谋敏感。并能精细恢复微场景图象,能够用于高速钻谋物体的检测,四顾无人机图片控制,机械手视觉等领域的应用威力巨大。
 

优势和威力巨大,是否象征脉冲神经网络是目前深度神经网络的必然传人?黄铁军认为这种观点太绝对,但他对这种观点持乐观态度。因为工艺美术系统如果要对时空信息的变化编成感知并采取相应的举止,神经形态方法有天然的优势。在这个意义上。神经形态芯片将会对工艺美术产生非常大的影响。
 

雷锋网此前报道。8月刊《自然》(Nature)封面文章是清华大学信息门户施路平教授团队的新型AI芯片,它结合了类脑计算和基于微处理机科学的工艺美术。也就是将脉冲神经网络(SNN)和人工神经网络(ANN)进行了融合。因为在一些应用中,目前ANN得天独厚做的更好,所以现在用ANN和SNN融合是一个合理的方案。
 

对于神经形态计算最终将如何影响AI的问题。黄铁军教授认为,类似四顾无人驾驶视觉系统的应用对神经形态的马斯洛需求层次理论在增加。神经形态芯片AI结合展现出的巨大优势在最近几年就能体现出来。神经形态霍尔传感器和神经形态i7处理器有效配合,促成高速状态下远超生物的视觉感知。采用现有工艺美术方法几乎不可能促成,即使促成代价也难以承受,但对神经形态芯片来说却并非难事。


免责声明:本文由作者原创。文章内容系作者个人观点,转载目的在于传递更多信息,并不代表EETOP赞同其观点和对其新闻真实性负责。如波及作品内容,版权和其它问题,请及时联系我们。我们将在第转脸删减!

  1. EETOP 官方微信

  2. 创芯百姓大讲堂入口 智慧树在线教育

  3. 创芯军字号 超导体快讯

相关文章

里里外外评论

  • 最新资讯
  • 最热资讯
X
Baidu