您的當前位置:首頁->新聞中心
                                                                          新聞中心

                                                                          人工智能繼承迭代 類腦計算悄然走紅

                                                                          標簽:人工,人工智能,智能,繼承,計算,悄然,走紅,紅人  2019/12/21 14:44:45  預覽

                                                                          18

                                                                              人工智能技術越來越成為我們的日常話題,不再是陌生的高科技,不再是迢遙的高科技,隨著科技的進一步發展,人工智能繼承迭代,類腦計算悄然走紅,那什么是類腦計算呢?我們看看專家們是怎么來解釋的。



                                                                            據科技日報報道,12月16日至17日,由唐山將來芯片技術高精尖創新中心及清華大學微電子學研究所聯合主理的“唐山高精尖論壇暨2019將來芯片論壇”在清華大學舉行,這次論壇上,類腦計算成為多位權威專家熱議的人工智能研究方向。

                                                                            類腦計算又被稱為神經形態計算(NeuromorphicComputing)。它不僅是學術會議關注的新熱點,產業界也在探索之中。

                                                                            11月中旬,英特爾官網公布了一則新聞:埃森哲、空中客車、通用電氣和日立公司加入英特爾神經形態研究共同體(INRC)濰坊網站制作,該共同體目前已擁有超過75個成員機構。

                                                                            假如說,當下人工智能發展浪潮正波濤洶涌的話,類腦計算就是浪潮之下的洋流。雖不太引人細致,將來卻有可能改變人工智能發展趨勢。

                                                                            緣故原由之一是,深度學習雖在語音識別、圖像識別、天然語言理解等領域取得很大突破,并被廣泛應用,但它必要大量的算力支持,功耗也很高。

                                                                            “我們盼望智能駕駛汽車的駕駛水平像司機一樣,但如今顯然還達不到。由于它對信息的智能判斷和分析不夠,功耗也特別很是高!鼻迦A大學微納電子系教授吳華強告訴科技日報記者,人工智能算法訓練中心在實行義務時動輒消費電量幾萬瓦甚至幾十萬瓦,而人的大腦耗能卻僅相稱于20瓦左右。

                                                                            唐山大學計算機科學技術系教授黃鐵軍也舉了一個生動的例子:市場上應用深度學習技術的智能無人機已經十分靈巧,但從智能程度上看,卻與一只蒼蠅或蜻蜓相差甚遠關鍵詞優化,盡管體積和功耗比后者高許多。

                                                                            到底什么是類腦計算,它又憑什么贏得學術界和產業界的寵愛?

                                                                            “類腦計算從結構上尋求設計出像生物神經網絡那樣的系統,從功能上尋求模擬大腦的功能,從性能上尋求大幅度超越生物大腦,也稱神經形態計算!秉S鐵軍接受科技日報記者采訪時說。

                                                                            類腦計算試圖模擬生物神經網絡的結構和信息加工過程。它在軟件層面的嘗試之一是脈沖神經網絡(SNN)。

                                                                            如今深度學習一樣平常通過卷積神經網絡(CNN)或遞歸神經網絡(RNN)來實現!癈NN和RNN都屬于人工神經網絡,其中的人工神經元,至今仍在使用上世紀40年代時的模型!秉S鐵軍說,雖然如今設計出的人工神經網絡越來越大,也越來越復雜,但從根本上講,其神經元模型沒有太大改進。

                                                                            另一方面,在深度學習人工神經網絡中,神經元之間的連接被稱為權值。它們是人工神經網絡的關鍵要素。

                                                                            而在脈沖神經網絡中,神經元之間卻是神經脈沖,信息的表達和處理通過神經脈沖發送來實現。就像我們的大腦中,有大量神經脈沖在傳遞和流轉。

                                                                            黃鐵軍告訴記者,因為神經脈沖在一直地傳遞和流轉,脈沖神經網絡在表達和處理信息時,比深度學習的時間性更凸起,更加適合進行高效的時空信息處理。

                                                                            也有人從硬件層面去實現類腦計算,比如神經形態芯片。

                                                                            2019年7月,英特爾發布新聞稱,其神經形態研究芯片Loihi實行專用義務的速度可比通俗CPU快1000倍,服從高10000倍。

                                                                            “在對信息的編碼、傳輸和處理方面,我們盼望從大腦機制中獲得啟發,將這些想法應用到芯片技術上,讓芯片的處理速度更快、水平更高、功耗更低!眳侨A強也在進行神經形態芯片相關研究,他告訴科技日報記者。

                                                                            吳華強介紹,在傳統的馮·諾依曼架構中,信息的處理和存儲是分開的,而人的大腦在處理信息時,存儲和處理是融為一體的。

                                                                            “所以我們在嘗試研發存算一體化的芯片,盼望通過避免芯片內部一直地搬運數據,來大幅進步芯片的能效比!眳侨A強說,他的團隊如今也已研發出存算一體的樣品芯片。

                                                                            談到類腦計算的進展,黃鐵軍告訴記者,目前類腦計算仍在摸索階段,還缺乏典型的成功應用。但商業公司已經嗅到味道,相關技術獲得規模性應用可能不必要太長時間。

                                                                            “如今的神經形態計算還比較初步,它的發展水平跟現有主流人工智能算法相比,還存在肯定差距!敝锌圃鹤詣踊芯繂T張兆翔接受科技日報記者采訪時認為,但作為一種新的探索體例,應該繼承堅持,由于它可能就是將來人工智能技術發展的緊張突破口。(記者劉園園)

                                                                            看完了這篇報道,想必您也堆類腦計算有了了解。想要在AI人工智能方面發展和探索,就要了解行業的新知識和新動態。唐山零度科技也在AI人工智能方面積極的探索,我們對于人工智能的知識是特別很是渴望的,并在AI人工智能公園方面積累了珍貴的經驗北京人事考試,更多相關信息,迎接您咨詢唐山零度科技!
                                                                          亚洲欧美日韩综合一区二区三区