除了會(huì)看會(huì)聽,還會(huì)“聞”。近日,一直致力于模仿人類五感的人工智能又有新突破,通過神經(jīng)擬態(tài)芯片,人工智能已經(jīng)掌握了丙酮、氨和甲烷等10種氣味的神經(jīng)表征,強(qiáng)烈的環(huán)境干擾也不會(huì)影響它對(duì)氣味的準(zhǔn)確識(shí)別。這項(xiàng)由英特爾研究院與美國康奈爾大學(xué)共同參與的研究成果,日前發(fā)表于《自然·機(jī)器智能》雜志上。
神經(jīng)擬態(tài)即通過模擬人腦神經(jīng)元的工作機(jī)制,讓計(jì)算機(jī)具備像人一樣的自然智能特性。英特爾公布的另一項(xiàng)研究顯示,將上述768塊神經(jīng)擬態(tài)芯片集成在5臺(tái)標(biāo)準(zhǔn)服務(wù)器大小的機(jī)箱中形成的神經(jīng)擬態(tài)系統(tǒng)——Pohoiki Springs,已經(jīng)相當(dāng)于擁有了1億個(gè)神經(jīng)元的大腦,而這相當(dāng)于一個(gè)小型哺乳動(dòng)物的大腦神經(jīng)元數(shù)量。
通過堆疊芯片形成的神經(jīng)擬態(tài)系統(tǒng)似乎讓我們看到了“機(jī)器可以和人一樣聰明”的希望,那神經(jīng)擬態(tài)芯片及大規(guī)模集成系統(tǒng)的就緒,是否意味著“強(qiáng)認(rèn)知、小樣本學(xué)習(xí)”的神經(jīng)擬態(tài)計(jì)算有了規(guī)模商用的可能?
神經(jīng)擬態(tài)訓(xùn)練無需大量樣本
目前深度學(xué)習(xí)算法作為實(shí)現(xiàn)人工智能的重要技術(shù)手段,被廣泛應(yīng)用于各類人工智能成果中。對(duì)于以深度學(xué)習(xí)算法為支撐的人工智能成果,數(shù)據(jù)可以說是研究的血液。數(shù)據(jù)量越大,數(shù)據(jù)質(zhì)量越高,深度學(xué)習(xí)所表現(xiàn)的性能也就越好。但在不少研究環(huán)境中,由于涉及隱私安全以及客觀條件限制,有效數(shù)據(jù)難以獲得。
“深度學(xué)習(xí)雖然取得了長足進(jìn)步,但仍局限在圖像和語音等方面的分類和識(shí)別中?!庇⑻貭栔袊芯吭涸洪L宋繼強(qiáng)說,人類視覺、語音兩類數(shù)據(jù)容易獲得和標(biāo)注,滿足了深度學(xué)習(xí)的必要條件,研究及應(yīng)用相對(duì)成熟,但味覺和嗅覺的研究卻沒那么樂觀。
對(duì)于傳統(tǒng)的人工智能來說,主流的深度學(xué)習(xí)方法,可能需要設(shè)置上億個(gè)參數(shù),訓(xùn)練數(shù)十萬次,才能辨別出貓和狗的區(qū)別,更不用說更為陌生的氣味識(shí)別領(lǐng)域。但是,即便對(duì)于一個(gè)幾歲的嬰孩來說,他們辨認(rèn)動(dòng)物、識(shí)別氣味只需要幾次就夠了。
普通人經(jīng)過訓(xùn)練能區(qū)分三四百種到數(shù)千種氣味,但現(xiàn)實(shí)世界可以區(qū)分的氣味超過萬種。為模擬人類嗅到氣味的大腦運(yùn)行機(jī)制,研究人員采用了一套源自人類大腦嗅覺回路結(jié)構(gòu)和動(dòng)力學(xué)相結(jié)合的神經(jīng)算法訓(xùn)練神經(jīng)擬態(tài)芯片,僅需單一樣本,神經(jīng)擬態(tài)芯片便可學(xué)會(huì)識(shí)別10種氣味,且不會(huì)破壞它對(duì)已學(xué)氣味的記憶。
宋繼強(qiáng)表示,即便是此前最先進(jìn)的深度學(xué)習(xí)解決方案,要達(dá)到與神經(jīng)擬態(tài)芯片相同的分類準(zhǔn)確率,也需要3000倍以上的訓(xùn)練樣本。
“理解大腦的神經(jīng)網(wǎng)絡(luò)如何解決這些復(fù)雜的計(jì)算問題,將為設(shè)計(jì)高效、強(qiáng)大的機(jī)器智能提供重要啟示?!庇⑻貭柹窠?jīng)擬態(tài)計(jì)算實(shí)驗(yàn)室高級(jí)研究科學(xué)家納比爾·伊瑪目說,下一步計(jì)劃將這種方法推進(jìn)到更廣的應(yīng)用領(lǐng)域,包括從感官場景分析到規(guī)劃和決策等抽象問題。
芯片向人腦進(jìn)化成為可能
一只瓢蟲的大腦有25萬個(gè)到50萬個(gè)神經(jīng)元,蟑螂的大腦有100萬個(gè)神經(jīng)元,斑馬魚的大腦有1000萬個(gè)神經(jīng)元,小型哺乳動(dòng)物大腦有1億個(gè)神經(jīng)元。
自然界中,即使最小的生物也能解決極為復(fù)雜的計(jì)算問題,很多昆蟲大腦的神經(jīng)元數(shù)目遠(yuǎn)低于100萬個(gè),卻能實(shí)時(shí)跟蹤物體、導(dǎo)航和躲避障礙物。而人類大腦由860億個(gè)互相連接的神經(jīng)元組成,要讓人工智能變得和人一樣聰明談何容易。
目前由兩個(gè)上述神經(jīng)擬態(tài)芯片組成的神經(jīng)擬態(tài)系統(tǒng)有26.2萬個(gè)神經(jīng)元,相當(dāng)于擁有了一只瓢蟲的智慧,而由768塊神經(jīng)擬態(tài)芯片組成的神經(jīng)擬態(tài)系統(tǒng)的智慧則追上了倉鼠。
如果神經(jīng)元的組織方式?jīng)Q定了大腦的思考方式,那么實(shí)現(xiàn)神經(jīng)擬態(tài)計(jì)算,首先需要構(gòu)建一個(gè)模擬大腦神經(jīng)元工作的計(jì)算芯片。宋繼強(qiáng)說:“我們?cè)噲D觀察、學(xué)習(xí)和理解大腦的運(yùn)行,并在計(jì)算機(jī)芯片上復(fù)制。”
德國海德堡大學(xué)物理學(xué)家卡爾海因茨·邁耶是神經(jīng)擬態(tài)學(xué)工程師們的領(lǐng)軍人物,在他看來,人類大腦具有低功耗、容錯(cuò)及無需編程三大特點(diǎn),雖然人類大腦功率只有20瓦特左右,并且時(shí)刻都在失去神經(jīng)元,卻不影響它對(duì)這個(gè)世界的運(yùn)算、理解和應(yīng)對(duì)。相比之下,試圖模擬人腦的超級(jí)計(jì)算機(jī)卻必須預(yù)設(shè)算法,動(dòng)輒需要幾百萬瓦特的功率,失去一個(gè)晶體管就能破壞一個(gè)微處理器。
宋繼強(qiáng)說:“深度學(xué)習(xí)的功率越來越高,現(xiàn)在即便訓(xùn)練一個(gè)圖像識(shí)別模型,都需要數(shù)千瓦特,能源消耗已成為大規(guī)模AI部署的障礙。”
而擁有存儲(chǔ)和計(jì)算一體結(jié)構(gòu)的神經(jīng)擬態(tài)芯片,節(jié)約了傳統(tǒng)計(jì)算架構(gòu)中處理單元和存儲(chǔ)器間通信所消耗的時(shí)間和功耗。
2017年,全球首款自主學(xué)習(xí)神經(jīng)擬態(tài)芯片問世,包含13萬個(gè)神經(jīng)元和1.28億個(gè)突觸,使芯片向人腦進(jìn)化成為可能。
如果說深度學(xué)習(xí)是通過大量標(biāo)注數(shù)據(jù)讓機(jī)器學(xué)習(xí)解決某一問題,如AlphaGO沒有學(xué)習(xí)象棋前,只會(huì)下圍棋,神經(jīng)擬態(tài)計(jì)算就是通過模擬人腦神經(jīng)元工作機(jī)制,讓人工智能不只局限于某一領(lǐng)域。
在神經(jīng)擬態(tài)芯片展示的學(xué)會(huì)的各種能力中,不僅包括實(shí)時(shí)識(shí)別手勢、使用新型人造皮膚閱讀盲文、還包括通過自主學(xué)習(xí)獲得視覺地標(biāo)確定方向及學(xué)習(xí)新氣味,而上述每項(xiàng)功能只消耗數(shù)十毫瓦。
有專家認(rèn)為,這一突破為科學(xué)研究需要的可自主、互聯(lián)的實(shí)時(shí)、動(dòng)態(tài)數(shù)據(jù)處理新方法奠定了基礎(chǔ),擴(kuò)展了蓬勃興起的邊緣計(jì)算應(yīng)用前景。
要商用還需通用計(jì)算架構(gòu)
在深度學(xué)習(xí)、機(jī)器學(xué)習(xí)之后,神經(jīng)擬態(tài)計(jì)算被認(rèn)為是推動(dòng)人工智能進(jìn)入新階段的重要手段。雖然量子計(jì)算也擅長大規(guī)模計(jì)算,在某些任務(wù)中,它的理論可擴(kuò)展性甚至超過神經(jīng)擬態(tài)系統(tǒng),但相比神經(jīng)擬態(tài)計(jì)算,量子計(jì)算離真正商用還有不小的距離。
雖然看上去神經(jīng)擬態(tài)芯片的商用比量子計(jì)算更近一步,部分研究機(jī)構(gòu)已展示了很多神經(jīng)擬態(tài)計(jì)算應(yīng)用,但要大規(guī)模商用,還需要解決通用性不足的問題。
“距離將產(chǎn)品推向市場,我們還要等待數(shù)年?!庇⑻貭柹窠?jīng)擬態(tài)計(jì)算實(shí)驗(yàn)室主任邁克·戴維斯說,我們真正感興趣的是找到一種像馮·諾依曼架構(gòu)那樣相對(duì)通用的新型計(jì)算架構(gòu)。這才是真正擴(kuò)展可應(yīng)用通用計(jì)算產(chǎn)品組合的開始。
研究機(jī)構(gòu)Gartner預(yù)測,2025年,神經(jīng)擬態(tài)芯片有望取代GPU,成為先進(jìn)人工智能部署的主要計(jì)算架構(gòu)。
宋繼強(qiáng)不完全認(rèn)同這種說法:“機(jī)器學(xué)習(xí)在很多領(lǐng)域依然是目前最好的訓(xùn)練、學(xué)習(xí)手段之一。只有將多種技術(shù)靈活的運(yùn)用到人工智能領(lǐng)域,它才能真正成為惠及民生的產(chǎn)業(yè)?!?/p>
宋繼強(qiáng)強(qiáng)調(diào),Pohoiki Springs等神經(jīng)擬態(tài)系統(tǒng)仍處于研究階段,設(shè)計(jì)目的并非取代傳統(tǒng)的計(jì)算系統(tǒng),而是為研究人員提供工具來開發(fā)和描繪新的算法。
-
芯片
+關(guān)注
關(guān)注
452文章
50025瀏覽量
419764 -
人工智能
+關(guān)注
關(guān)注
1789文章
46397瀏覽量
236581
發(fā)布評(píng)論請(qǐng)先 登錄
相關(guān)推薦
評(píng)論