En neuromorf dator som kan simulera 8 miljoner neuroner är i nyheterna. Termen "neuromorf" antyder en design som kan efterlikna den mänskliga hjärnan. Och neuromorphic computing? Det beskrivs som att det använder mycket storskaliga integrationssystem med elektriska analoga kretsar som imiterar neurobiologiska arkitekturer i vårt system.

Det är här Intel går in, och väsentligt så. Loihi-chippet tillämpar principerna som finns i biologiska hjärnor på datorarkitekturer. Utdelningen för användare är att de kan bearbeta information upp till 1, 000 gånger snabbare och 10, 000 gånger mer effektivt än CPU:er för specialiserade applikationer, t.ex., sparsam kodning, grafsökning och problem med begränsningar.

Dess pressmeddelande på måndagen löd "Intel's Pohoiki Beach, ett 64-chip neuromorft system, Levererar banbrytande resultat i forskningstester." Pohoiki Beach är Intels senaste neuromorfa system.

Intel firar att ett neuromorft system på 8 miljoner neuroner som består av 64 Loihi-forskningschips – kodnamnet Pohoiki Beach – nu är tillgängligt för det bredare forskarsamhället. Nyheten betyder att Intel tillhandahåller större beräkningsskala och kapacitet till Intels forskningspartner.

Det är mycket en del av anledningen till att detta är en stor sak – Pohoiki Beach kommer nu att vara tillgänglig för vad Intel rapporterar som "60 ekosystempartners." De kommer att använda systemet för projekt som involverar komplexa beräkningsproblem som är beräkningskrävande.

IEEE spektrum förklarade fördelen tydligt. "Forskare kan använda 64-chip Pohoiki Beach-systemet för att göra system [Pohoiki Beach-systemet består av flera Nahuku-brädor och innehåller 64 Loihi-chips] som lär sig och ser världen mer som människor."

Rich Uhlig, verkställande direktör för Intel Labs, sa att de var imponerade av sina tidiga resultat "när vi skalar Loihi för att skapa mer kraftfulla neuromorfa system."

Vilka är några av dessa "ekosystempartners"? För en, Telluride Neuromorphic Cognition Engineering Workshop, ett treveckorsevenemang som avslutas 19 juli, där Intel är en platinasponsor, pusslar ut anpassningsförmågan till en benprotes, objektspårning med hjälp av nya händelsebaserade kameror, och härleda taktil input till den elektroniska huden på en iCub-robot.

Chris Eliasmith, professor vid University of Waterloo, var entusiastisk över siffror för energiförbrukning. "Med Loihi-chippet har vi kunnat visa 109 gånger lägre strömförbrukning med ett riktmärke för djupinlärning i realtid jämfört med en GPU, och 5 gånger lägre strömförbrukning jämfört med specialiserad IoT-inferenshårdvara."

Kyle Wiggers in VentureBeat borrade ner till några tekniska detaljer kring Loihi:dess utvecklingsverktygskedja "omfattar Loihi Python API, en kompilator, och en uppsättning runtime-bibliotek för att bygga och exekvera SNN på Loihi. Det ger ett sätt att skapa en graf av neuroner och synapser med anpassade konfigurationer, som sönderfallstid, synaptisk vikt, och spiktrösklar, och ett sätt att simulera dessa grafer genom att injicera externa toppar genom anpassade inlärningsregler."

Allt som allt, Intels arbete med ett neuromorft system kan påverka nästa generations AI. Lång och kort, slösa inte tid och energi på att bara ägna dig åt konventionell datorlogik. Ta det vidare för laboratorieforskning som för oss närmare människaliknande kognition.

"En kommande nästa generation kommer att utöka AI till områden som motsvarar mänsklig kognition, såsom tolkning och autonom anpassning. Detta är avgörande för att övervinna den så kallade "sprödheten" hos AI-lösningar baserade på utbildning och slutledning av neurala nätverk, som beror på bokstavlig, deterministiska åsikter om händelser som saknar sammanhang och sunt förnuft."

Intel Labs sa att det "driver datavetenskaplig forskning som bidrar till denna tredje generationens AI. Nyckelfokusområden inkluderar neuromorfisk datoranvändning, som handlar om att efterlikna den mänskliga hjärnans neurala struktur och funktion, såväl som probabilistisk beräkning, som skapar algoritmiska metoder för att hantera osäkerheten, tvetydighet, och motsättningar i den naturliga världen."

Under 2017, Intel introducerade Loihi som "sin första neuromorfa forskningschip." Ett år senare, Intel byggde upp en forskargemenskap för att främja utvecklingen av neuromorfa algoritmer, programvara och applikationer.

Vänta, vad är det för fel på utbildade neurala nätverk? Sedan när gör de inte sitt jobb? -Senior redaktör Samuel Moore i IEEE spektrum :Dagens neurala nätverk lider av katastrofal glömska. "Om du försökte lära ett utbildat neuralt nätverk att känna igen något nytt - en ny vägskylt, säg – genom att helt enkelt exponera nätverket för den nya ingången, det skulle störa nätverket så allvarligt att det skulle bli hemskt att känna igen något."

Moore tillade att "Traditionella neurala nätverk förstår inte riktigt funktionerna de extraherar från en bild på det sätt som våra hjärnor gör."

© 2019 Science X Network