英特尔1亿个神经元的全球最强神经拟态系统芯片是怎么生产的何时以其独特之处改变世界
2020年，你对AI功能感到满意吗？
回顾过去与AI智能音箱的尴尬对话以及在人脸识别闸机口长时间被忽略的经历，很可能会给出一个否定的答案。
尽管AI已经在金融、工业、电力和医疗等领域展现了巨大的价值，但它还有许多提升空间。
这些提升可以通过持续优化现有芯片和算法实现，也可以通过变革性的技术如神经拟态计算和量子计算带来跨越式改变。神经拟态计算虽然不如量子计算热门，但英特尔Pohoiki Springs系统以及具有嗅觉的神级拟态芯片正在激发人们对神经拟态计算未来潜力的期待。
图片来源：PCworld
全球最强的神经拟态系统能做什么？
最近，《自然-机器智能》杂志报道了英特尔与康奈尔大学科学家的合作研究成果，他们采用了一种由72个化学传感器活动组成的数据集，可以辨识风洞实验中10种气体物质（包括丙酮、氨和甲烷等有害气体），即使在环境干扰较强的情况下也能准确识别。
这意味着英特尔Loihi神级拟态芯片拥有“嗅觉”，这是化学传感器领域寻找已久的“电子鼻系统”。未来，这样的芯片将应用于环境监测、危险物质检测及工厂质量控制中，有着巨大的应用潜力。
使用Loihi仅需一个样本就能达到百分之九十多高准确率，而传统方法需要3,000倍以上训练样本才能达到相同分类准确率。这两天后，英特尔宣布其最新神经拟态研究系统Pohoiki Springs准备就绪，将提供1亿个神经元的计算能力。1亿个神经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，将768块Loihi 神级拟态研究芯片集成在5台标准服务器大小的机箱中，其运行时功率低于500瓦。这是目前全球最强的大规模仿生大脑模仿硬件之一。
这些令人瞩目的进展背后，是2017年开发的一款自主学习型Loihi第一代自主学习型宁约纳晶体微处理器。该设计源自人脑，并结合了训练和推断功能，同时实现了单一芯片上的整合性设计——128内核，每内核包含1000个硬件模建逻辑层次结构支持多种学习模式并可扩展到上千种不同的网络突破类型。
这种设计优势显著，能够以比传统处理器快1,000倍速度且效率高10,000倍完成工作负载。但由于技术挑战和缺乏广泛认知，全球范围内只有少数几家公司，如IBM，以及一些初创企业进行研发工作。
面对新概念，在人类对于脑科学了解有限的情况下，只有一小群机构致力于这一领域。没有明显应用时期，对解决技术挑战动力的不足也是存在的问题。
因此，目标是理解如何把复杂信息实时处理同时消耗极少能量，然后将这个过程翻译为实际操作，比如细粒度并行处理、生物动力学编码方式以及基于时间信息处理等。此外，还需要重新思考电脑体系结构，从底部向上重构，让每颗内部有128核心各含1000个硬件模建逻辑层次结构去模仿逻辑层次结构，并支持多种学习模式及其可扩展性，以此来让每颗晶体微处理单元既具备存储又具备网络管理能力去模昂逻辑层次结构进行突破性创新而不是简单地增加性能或降低成本但不能克服同步电路所限的事务难题。在异步脉冲电路方面，它采用一种新颖且更节省能源用途而非像CPU/GPU/FPGA那样采用同步电路方式，这些都从根本上改变了之前所有设备所采用的方式，因为它们依赖共同的一个时钟驱动，而且为了提高效率减少错误可能性，同时保持所有部分按同一时间线程工作停止工作，但是这种同步电路策略导致效率不够高。而异步脉冲则允许不同部分独立决定何时开始或停止执行，从而节省大量能源并获得更好的性能，但当试图将这些独立零件连接起来形成一个庞大的集合时，就出现新的问题，即使使用异步脉冲通信仍然难以保证信号之间相互协调无误地交换必要信息，因为随着更多这样的独立零件被连接起来形成更大规模集合（比如说从13万到现在达到了1亿）就会变得更加困难；然而英国爱丁堡大学院长宋继刚表示，如果我们利用Time Step这个概念，我们可以有效解决时间序列问题，无论是在小型还是较大规模集合中，都应该是可行解；然而，大尺度集合会遇到的最大挑战就是如何让不同的元素有效沟通彼此并保持一致，这仍然是一个未解之谜。
