如果您關(guān)注科技行業(yè)的最新趨勢,您可能知道行業(yè)內(nèi)針對“下一件大事”將是什么的爭論有很多。很多人認(rèn)為是增強(qiáng)現(xiàn)實 (AR) 眼鏡,有些人則認(rèn)為會是全自動駕駛汽車,還有一些人認(rèn)同5G的潛力。然而,無論趨勢最終是什么,都將以某種方式由人工智能(AI)提供動力。事實上,人工智能和機(jī)器學(xué)習(xí)(ML)是我們的未來發(fā)展方向。
圖片來源:Amazon
幾周前,亞馬遜的Astro出人意料地首次亮相,個人機(jī)器人設(shè)備和數(shù)字伙伴也加入了競技場。
需要明確的是,我們已經(jīng)在人工智能推動的許多領(lǐng)域看到了一些令人難以置信的進(jìn)步。高級分析、神經(jīng)網(wǎng)絡(luò)訓(xùn)練和其他相關(guān)領(lǐng)域(其中大量數(shù)據(jù)用于查找模式、學(xué)習(xí)規(guī)則,然后應(yīng)用它們)一直是現(xiàn)有 AI 方法的巨大受益者。
與此同時,如自動駕駛這樣的應(yīng)用,僅僅將越來越多的數(shù)據(jù)推送到算法中,這些算法產(chǎn)生了不斷改進(jìn)但仍然存在缺陷的機(jī)器學(xué)習(xí)模型并不能真正發(fā)揮作用。我們離真正的L5級自動駕駛還有很遠(yuǎn)的距離,考慮到特斯拉的AutoPilot導(dǎo)致的事故甚至傷亡事件的發(fā)生,也許是時候考慮另一種方法了。
同樣,我們?nèi)蕴幱趥€人機(jī)器人時代的初期,但很容易想到,自動駕駛汽車和機(jī)器人之間的概念相似性。歸根結(jié)底,問題在于,根本無法將每個潛在場景輸入到AI訓(xùn)練模型中,并就如何應(yīng)對任何給定情況做出反應(yīng)來創(chuàng)建一個預(yù)先確定的答案。隨機(jī)性和意料之外的影響實在太大了。
我們需要的是一種能夠真正獨立思考和學(xué)習(xí)的計算,然后將其學(xué)習(xí)能力適應(yīng)那些意想不到的場景。這聽起來可能很瘋狂,也可能引起爭議,但這正是神經(jīng)形態(tài)計算領(lǐng)域的研究人員正在嘗試做的事情。其基本思想是以數(shù)字形式復(fù)制我們所知的人腦中適應(yīng)性最強(qiáng)的計算/思維組織的結(jié)構(gòu)和功能。根據(jù)基本生物學(xué)原理,神經(jīng)形態(tài)芯片試圖利用數(shù)字突觸在神經(jīng)元之間發(fā)送電脈沖,重建一系列相連的神經(jīng)元,就像生物大腦一樣。
這是一個已經(jīng)存在了幾十年的學(xué)術(shù)研究領(lǐng)域,但直到最近才開始取得真正的進(jìn)展并獲得更多的關(guān)注。英特爾發(fā)布了第二代神經(jīng)形態(tài)芯片Loihi 2,以及一個新的開源軟件框架,被稱為Lava。
圖片來源:Intel
Loihi 2不會很快進(jìn)行商用,它被稱為一款研究芯片,最新版本提供了100萬個神經(jīng)元,與人類大腦中發(fā)現(xiàn)的約1000億個神經(jīng)元相去甚遠(yuǎn)。盡管如此,這仍是一個令人印象深刻、雄心勃勃的項目,其性能是其2018年版本的10倍,密度是后者的15倍(基于新的Intel 4芯片制造工藝技術(shù)的基礎(chǔ)上),并提高了能效。此外,還提供了更好更容易的方式將其獨特的架構(gòu)與其他傳統(tǒng)的芯片互連。
英特爾顯然從第一版Loihi中學(xué)到了很多東西,最大的體會之一是為這種全新的架構(gòu)開發(fā)軟件非常困難。因此,另一個重要部分是Lava的首次亮相,這是一個開源軟件框架和一套可用于為Loihi編寫應(yīng)用程序的工具。該公司還提供可以在傳統(tǒng)CPU和GPU上模擬其操作的工具,以便開發(fā)人員可在不訪問芯片的情況下創(chuàng)建代碼。
關(guān)于神經(jīng)形態(tài)芯片的運作方式是特別令人著迷的,盡管其功能與傳統(tǒng)的CPU計算和類似GPU的并行計算模式截然不同,但它們可以用來實現(xiàn)一些相同的目標(biāo)。換句話說,像Loihi 2這樣的神經(jīng)形態(tài)芯片可以提供傳統(tǒng)人工智能所追求的理想結(jié)果,其速度更快、能效更高、數(shù)據(jù)密集度更低。通過一系列異步發(fā)生的基于事件的尖峰,觸發(fā)數(shù)字神經(jīng)元以各種方式作出反應(yīng),就像人腦的操作一樣(與CPU和GPU中的同步結(jié)構(gòu)化處理相比),神經(jīng)形態(tài)芯片基本上可以動態(tài)“學(xué)習(xí)”新事物。因此,神經(jīng)形態(tài)芯片非常適合那些必須對新刺激做出實時反應(yīng)的設(shè)備。
這些功能就是為什么這些芯片如此有吸引力的所在,而自動駕駛汽車本質(zhì)上就是這樣。歸根結(jié)底,最終可能需要商業(yè)上的神經(jīng)形態(tài)芯片來驅(qū)動夢想中的自動駕駛汽車。
當(dāng)然,神經(jīng)形態(tài)計算并不是推進(jìn)技術(shù)發(fā)展的唯一新方法。在量子計算領(lǐng)域,也有大量的工作正在進(jìn)行中。與量子計算一樣,神經(jīng)形態(tài)計算的內(nèi)部工作也異常復(fù)雜,目前主要多見于為企業(yè)研發(fā)實驗室和學(xué)術(shù)研究的研究項目。然而,與量子不同的是,神經(jīng)形態(tài)計算目前不需要量子所需要的極端物理挑戰(zhàn)(接近絕對零度的溫度)和功率要求。事實上,神經(jīng)形態(tài)架構(gòu)的眾多魅力之一是它們的設(shè)計功耗極低,使其適合各種移動或其他電池供電的應(yīng)用(如自動駕駛汽車和機(jī)器人)。
盡管最近取得了一些進(jìn)展,但神經(jīng)形態(tài)芯片的商業(yè)應(yīng)用還需要幾年的時間。然而,人類很難不被這種激發(fā)AI驅(qū)動設(shè)備潛力變成真正智能化設(shè)備的技術(shù)所吸引。區(qū)別可能看起來很微妙,但最終我們可能需要這種新的智慧,以便讓一些“下一件大事”真正以我們能欣賞和想象的方式發(fā)生。
作者:Bob O'Donnell