新闻中出现了一种可以模拟800万个神经元的神经形态计算机。术语“神经形态”暗示了一种可以模仿人类大脑的设计。和神经形态计算?它被描述为在我们的系统中使用具有电模拟电路模拟神经生物学结构的超大规模集成系统。

 

 

这就是英特尔介入的地方，而且意义重大。Loihi芯片将生物大脑中的原理应用于计算机架构。对于用户来说，这样做的好处是，在处理特定应用程序(例如稀疏编码、图搜索和约束满足问题)时，他们处理信息的速度比cpu快1000倍，效率是cpu的1万倍。

该公司周一发布的新闻稿称，“英特尔的Pohoiki Beach，一个64芯片的神经形态系统，在研究测试中取得了突破性的成果。”Pohoiki海滩是英特尔最新的神经形态系统。

英特尔正在庆祝一个由64块Loihi研究芯片(代号为Pohoiki beach)组成的800万个神经元的神经形态系统现在可以用于更广泛的研究领域。这一消息意味着英特尔将为其研究伙伴提供更大的计算规模和能力。

这就是为什么这是一笔大买卖的部分原因——pohoiki海滩现在将向英特尔报告的“60个生态系统合作伙伴”开放。他们将把该系统用于涉及复杂计算问题的项目，这些问题需要大量计算。

IEEE频谱清楚地说明了它的优势。“研究人员可以使用64芯片的Pohoiki Beach系统来制作学习和观察世界更像人类的系统(Pohoiki Beach系统由多个Nahuku板组成，包含64块Loihi芯片)。”

英特尔实验室(Intel Labs)董事总经理里奇•乌利希(Rich Uhlig)表示，“随着我们扩大Loihi的规模，以创建更强大的神经形态系统”，他们对早期成果印象深刻。

谁是这些“生态系统伙伴”中的一部分?其中一个是Telluride神经形态认知工程研讨会，为期三周，将于7月19日结束，因特尔公司是该研讨会的白金赞助商。该研讨会将探索假肢的适应能力，使用新兴的基于事件的相机进行目标跟踪，以及推断iCub机器人电子皮肤的触觉输入。

滑铁卢大学(University of Waterloo)教授克里斯•埃利亚斯米特(Chris Eliasmith)对能耗数据很感兴趣。“在运行实时深度学习基准测试时，Loihi芯片的功耗比GPU低109倍，比专门的物联网推理硬件低5倍。”

VentureBeat的Kyle Wiggers深入挖掘了关于Loihi的一些技术细节:它的开发工具链“包括Loihi Python API、一个编译器和一组用于在Loihi上构建和执行snn的运行时库”。它提供了一种创建自定义配置的神经元和突触图的方法，比如衰减时间、突触重量和尖峰阈值，以及通过自定义学习规则注入外部尖峰来模拟这些图的方法。”

总而言之，英特尔在神经形态系统上的工作可能会影响下一代人工智能。长和短，不要浪费时间和精力停留在传统的计算机逻辑。实验室研究让我们更接近人类的认知。

“未来的下一代将把人工智能扩展到与人类认知相对应的领域，比如解释和自主适应。这对于克服基于神经网络训练和推理的人工智能解决方案的所谓‘脆弱性’至关重要，而这种‘脆弱性’依赖于缺乏上下文和常识理解的事件的确定性的文字观点。”

英特尔实验室(Intel Labs)表示，它正在“推动计算机科学研究，为第三代人工智能做出贡献”。主要的研究领域包括神经形态计算，它涉及到模拟人类大脑的神经结构和运作，以及概率计算，它创建了算法方法来处理自然世界中的不确定性、模糊性和矛盾。”

2017年，英特尔将Loihi作为“第一款神经形态研究芯片”推出。一年后，英特尔建立了一个研究社区，以进一步发展神经形态算法、软件和应用程序。

等等，训练好的神经网络怎么了?他们什么时候不工作了?-高级编辑Samuel Moore在IEEE Spectrum:今天的神经网络遭受灾难性的遗忘。“如果你试图教一个训练有素的神经网络识别新事物——比如一个新的路标——通过简单地让网络接触新的输入，它会严重地破坏网络，以至于它在识别任何事物时都会变得很糟糕。”

摩尔补充说，“传统的神经网络并不像我们的大脑那样真正理解它们从图像中提取的特征。”