数字芯片操控下的神经拟态奇迹全球最强1亿神经元系统何时重塑世界
2020年，你对AI功能感到满意吗？
回顾过去与AI智能音箱的尴尬互动，和在人脸识别闸机前久久等待被正确识别的经历，你或许会给出一个否定的答案。
尽管AI已广泛应用于金融、工业、电力、医疗等领域，展现其重要价值，但它仍有巨大的提升空间。
AI的进步不仅可以通过优化现有芯片和算法实现，也可能通过变革性的技术实现跨越式变革，比如神经拟态计算（或称类脑计算）以及量子计算。相较之下，量子计算拥有更高的热度，但最近发布的全球最强神经拟态系统英特尔Pohoiki Springs，以及具有嗅觉功能的神经拟态芯片，一定能让你对神经拟态计算以及AI未来充满期待。
图片来自PCworld
全球最强神经拟态系统能做什么？
上周二，《自然-机器智能》杂志报道了英特尔与美国康奈尔大学合作构建数学算法研究成果。通过双方合作，英特尔研究院神经拟态计算小组高级研究科学家Nabil Imam团队采用了由72个化学传感器活动组成的数据集，可对风洞实验中循环10种气体物质作出反应，并且即使在环境干扰下也能识别这些气味。
这意味着英特尔Loihi芯片也具备“嗅觉”，这是化学传感器领域多年寻找的“电子鼻系统”。未来，这样的神经拟态芯片搭载机器人在环境监测、危险物质检测、工厂质量控制方面将有巨大的应用潜力。
此外，只需一个样本训练就可达到百分之九十多高准确率，而使用传统方法需要3,000倍以上训练样本，这显示了Loihi优势显著。
两天后，英特ل宣布其最新强大神经拟态研究系统Pohoiki Springs已经准备就绪，将提供1亿个神经元的计算能力。1亿个神經元相当于小型哺乳动物大脑中的数量。
Pohoiki Springs是一个数据中心机架式系统，它将768块Loihi 神經模擬研究晶片集成到5台标准服务器大小机箱中，在运行时功率低于500瓦。这是英特尔迄今为止开发的大规模宁采纳計算系統，也是目前全球最強寧采纳計算系統。
两个令人瞩目的宁采纳計算成果背后都有英特尔2017年开发第一款自主学习宁采纳晶片——代号为Loihi。
宁采纳計算难点何在？
设计思路源自人脑，把训练和推断整合到一个晶片上，并实现了計算與存儲功能整合：单晶片中的128個小核各包含1000個硬件設計架構模擬多個「邏輯」腦細胞支持多種學習模式可擴展性的片上學習能力實現多種不同網絡突破。
这种設計優勢顯著，可以以比傳統處理器快1,000倍速度、高10,000倍效率處理某些工作負載。
虽然如此，不同於量子電腦技術，其發展歷史較晚，而且僅由少數企業如IBM、大型初創公司開發，因此這一領域仍然存在挑戰性質。在未見應用時期，這對進行技術挑戰動力的不足也是一個問題。
目标是在理解大腦如何实时处理复杂信息，同时只消耗极少能量并把这些原则运用到晶体管中去，如细粒度并行处理、生物动力学编码方式及基于时间信息处理等等。这需要重新思考电脑体系结构，从底层开始进行创新设计，使得每个内置128核心，每核心含1000个生物细胞模仿逻辑细胞而非纯数字逻辑单元同时存储与网络管理部分来模仿逻辑细胞。此举既解决了同步电路设计带来的问题，也提高了工作效率。但异步脉冲设计带来了新的难题：当试图获得性能线性增长时，将独立脉冲驱动连接大量相互独立但协作工作的小颗粒成为挑战，因为它们必须保持不同的时间序列同步，以便完成所需信息交换任务。如果不能解决这个问题，就无法扩大规模从而获得真正意义上的线性增长效果。而对于这样的异步电路，小型设备容易解决这一问题，但是随着规模扩大至数百颗甚至数千颗微观设备，其复杂程度迅速增加，对时间序列维持一致性的要求变得更加严格。而且，要想让这样的大批量设备能够有效地通信，那么软件层面上的支持同样不可或缺。“为了兼顾易用性，同时支持分布式过程和灵活划分，我们需要最大限度减少硬件差异。”宋继刚表示，“这个事业还没有任何人做过。”
最后，与其他新兴技术一样，对于要改变世界的问题，关键不仅仅是技术本身，还包括找到好的应用导向。一方面，由专家的努力提供更好的硬件工具链；另一方面，与更多伙伴共同推进这一新技术发展。因此，在2018年成立之后，该团队提供给研究人员实际应用测试平台，即Kapoho Bay USB形状装置，以及云服务版本，这就是INRC（英文缩写）。
随着成员数量从最初几十名逐渐增加至现在，他们正在探索如何通过工具链来进一步支持更大的实验项目，以促进这种新的通用的架构普及，从前端感知到后端大量数据分析都可以利用这种新技术。这将是一次转变，是改变世界的一步。
