Самообучающийся нейроморфный процессор Intel loihi предназначен для ускорения приложений ИИ

Обновлено: 03.07.2024

Исследования Intel Labs в области нейроморфных технологий выходят за рамки современных алгоритмов глубокого обучения, поскольку они совместно разрабатывают оптимизированное оборудование с программным обеспечением искусственного интеллекта следующего поколения. Эта новаторская исследовательская работа, созданная с помощью растущего сообщества, направлена на ускорение будущего адаптивного ИИ.

Loihi 2: новое поколение нейроморфных вычислений

Нейроморфный исследовательский чип второго поколения Intel Labs под кодовым названием Loihi 2 и Lava, программная среда с открытым исходным кодом, будут стимулировать инновации и внедрение нейроморфных вычислительных решений.

Возможность обработки до 10 раз быстрее 1.
Увеличение пропускной способности между чипами до 60 раз
До 1 миллиона нейронов с в 15 раз большей плотностью ресурсов3
3D Scalable со встроенной поддержкой Ethernet
Новая программная среда с открытым исходным кодом под названием Lava.
Полностью программируемые модели нейронов с градуированными спайками.
Расширенные возможности обучения и адаптации

Для получения дополнительной информации о том, как Loihi 2 и Lava выводят нейроморфные вычисления на новый уровень, прочитайте полное техническое описание.

Нейроморфные компьютерные исследования

Intel Labs возглавляет исследовательскую деятельность, направленную на достижение цели нейроморфных вычислений — создание интеллектуальных устройств и автономных систем следующего поколения. Руководствуясь принципами биологических нейронных вычислений, нейроморфные вычисления используют новые алгоритмические подходы, которые имитируют то, как человеческий мозг взаимодействует с миром, чтобы предоставить возможности, более близкие к человеческому познанию.

Нейронные сети с шипами (SNN) — новые модели, имитирующие естественное обучение путем динамического переназначения нейронных сетей, — используются в нейроморфных вычислениях для принятия решений в ответ на изученные закономерности с течением времени. Нейроморфные процессоры используют эти асинхронные, основанные на событиях SNN для достижения прироста мощности и производительности на несколько порядков по сравнению с обычными архитектурами.

Инновационный подход к архитектуре нейроморфных вычислений станет основой будущих автономных решений ИИ, требующих энергоэффективности и непрерывного обучения. Он обещает открыть новые захватывающие возможности в области вычислений и уже используется в различных областях, включая датчики, робототехнику, здравоохранение и крупномасштабные приложения искусственного интеллекта.

Intel и Accenture поддерживают нейроморфный исследовательский проект для помощи педиатрическим пациентам, передвигающимся в инвалидной коляске

Компании Intel и Accenture объявили о поддержке проекта Intel Neuromorphic Research Community (INRC), возглавляемого Лабораторией нейробиоморфной инженерии Открытого университета Израиля в сотрудничестве с больницей ALYN.

Исследователи из Сингапура обращаются к нейроморфным вычислениям Intel, чтобы помочь роботам «чувствовать»

Эта новая роботизированная система, разработанная исследователями Национального университета Сингапура, включает систему искусственного мозга, имитирующую биологические нейронные сети, которая может работать на энергоэффективном нейроморфном процессоре, таком как чип Intel Loihi, и интегрирована с искусственной кожей и зрением. датчики.

Как компьютерный чип может пахнуть без носа

Набиль Имам из Intel Labs и исследовательская группа из Корнельского университета создают математические алгоритмы на компьютерных чипах, которые имитируют то, что происходит в нейронной сети вашего мозга, когда вы чувствуете запах.

Гигантский скачок в производительности

Рич Улиг, старший научный сотрудник Intel и директор Intel Labs, и Майк Дэвис, директор лаборатории нейроморфных вычислений Intel, представили подробный обзор нейроморфных вычислений и впечатляющие результаты количественного сравнительного анализа в своей презентации, посвященной Дню лабораторий Intel.

Посмотрите этот видеоролик, чтобы узнать больше о том, как нейроморфные вычисления помогут создать новое поколение искусственного интеллекта.

Сотрудничество для развития нейроморфных вычислений

Intel Labs создала Сообщество Intel Neuromorphic Research Community (INRC) — глобальную совместную исследовательскую группу, объединяющую команды академических, государственных и отраслевых организаций для решения разнообразных задач в области нейроморфных вычислений.

Вместе с экосистемой ведущих исследователей корпорация Intel работает над тем, чтобы в ближайшие годы эта технология превратилась из исследовательских прототипов в лучшие в отрасли продукты. Членство бесплатное и открыто для всех квалифицированных групп.

Дополнительные ресурсы

Пресс-кит Neuromorphic Computing

Будьте в курсе последних новостей, смотрите презентации и загружайте изображения об исследованиях нейроморфных вычислений, проводимых лабораториями Intel.

Intel и Sandia National Labs сотрудничают в области нейроморфных вычислений

Intel Federal LLC объявила о трехлетнем соглашении с Sandia National Laboratories (Sandia) для изучения ценности нейроморфных вычислений для масштабируемых вычислительных задач.

Мозги за мозгами

Майк Дэвис, директор отдела нейроморфных вычислений в Intel Labs, рассказывает о том, как нейроморфные вычисления и процессоры Intel Loihi чудесным образом изменят наш мир.

Подпишитесь на нас в LinkedIn

Познакомьтесь с нашими последними новостями и узнайте, чего недавно добилась наша команда исследователей.

Посетите нас на LinkedIn

Присоединяйтесь к лаборатории Intel

Принесите свою страсть к технологиям и решению проблем в лаборатории Intel и помогите создать то, чего никогда не было.

Информация о продукте и эффективности

1 На основе сравнения времени синхронизации барьера, времени синаптического обновления, времени обновления нейронов и времени нейронных импульсов между Loihi 1 и 2. Параметры Loihi 1 измерены на основе характеристик кремния; Параметры Loihi 2 измерены как при характеристике кремния с помощью версии N3B1, так и при моделировании схемы до кремния. Модель производительности Lava для обоих чипов основана на характеристике кремния в сентябре 2021 года с использованием Nx SDK версии 1.0.0 с процессором Intel Xeon E5-2699 v3 (2,30 ГГц, 32 ГБ ОЗУ) в качестве хоста под управлением Ubuntu версии 20.04.2. Результаты Loihi используют систему Nahuku-32 ncl-ghrd-04. В результатах Loihi 2 используется система Oheo Gulch ncl-og-04. Результаты могут отличаться.

2 60-кратное увеличение эффективной полосы пропускания происходит за счет 4-кратного увеличения скорости передачи сигналов между микросхемами (800 млн передач/с, измеренные при моделировании схемы Loihi 2, по сравнению со 185 млн передач/с, измеренной на кремнии Loihi), увеличение до 6 межчиповых каналов по сравнению с 4, и более чем в 10 раз снижение использования полосы пропускания между чипами благодаря новой функции многоадресной рассылки Loihi 2, характерной для 3-чиповых и 7-чиповых примеров рабочей нагрузки алгоритма локальной конкуренции.

3 На основе размера ядра Loihi 2 0,21 мм2, поддерживающего до 8192 нейронов, по сравнению с размером ядра Loihi 0,41 мм2, поддерживающего до 1024 нейронов.

Intel представляет первый в своем роде самообучающийся чип под кодовым названием Loihi

< бр />

Доктор Майкл Мэйберри

Представьте себе будущее, в котором сложные решения можно было бы принимать быстрее и адаптировать с течением времени. Где социальные и производственные проблемы могут быть решены автономно, используя накопленный опыт.

Это будущее, в котором службы экстренного реагирования, использующие приложения для распознавания изображений, могут анализировать изображения с камер уличных фонарей и быстро разрешать сообщения о пропавших без вести или похищенных людях.

Это будущее, в котором светофоры автоматически регулируют свое время в соответствии с потоком транспорта, уменьшая пробки и оптимизируя запуски и остановки.

Это будущее, в котором роботы станут более автономными, а эффективность работы значительно повысится.

Растущая потребность в сборе, анализе и принятии решений на основе высокодинамичных и неструктурированных естественных данных вызывает спрос на вычислительные ресурсы, которые могут опережать как классические процессорные, так и графические архитектуры. Чтобы идти в ногу с развитием технологий и вывести вычисления за пределы ПК и серверов, Intel последние шесть лет работает над специализированными архитектурами, которые могут ускорить классические вычислительные платформы. Intel также недавно увеличила инвестиции и исследования и разработки в области искусственного интеллекта (ИИ) и нейроморфных вычислений.

Наша работа в области нейроморфных вычислений основана на десятилетиях исследований и сотрудничества, которые начались с профессора Калифорнийского технологического института Карвера Мида, известного своей фундаментальной работой в области проектирования полупроводников. Сочетание опыта в области микросхем, физики и биологии создало среду для новых идей. Идеи были простыми, но революционными: сравнение машин с человеческим мозгом. Область исследования по-прежнему активно сотрудничает и поддерживает развитие науки.

Компания Intel Labs разработала первый в своем роде самообучающийся нейроморфный чип под кодовым названием Loihi, который имитирует работу мозга, обучаясь работать на основе различных режимов обратной связи от окружающая обстановка. Этот чрезвычайно энергоэффективный чип, который использует данные для обучения и создания выводов, со временем становится умнее и не нуждается в традиционном обучении. Он использует новый подход к вычислениям с помощью асинхронной вставки.

Мы считаем, что искусственный интеллект находится в зачаточном состоянии, и будут появляться новые архитектуры и методы, такие как Loihi, которые поднимут планку для искусственного интеллекта. Нейроморфные вычисления черпают вдохновение из нашего современного понимания архитектуры мозга и связанных с ним вычислений. Нейронные сети мозга передают информацию с помощью импульсов или всплесков, модулируют силу синапсов или вес взаимосвязей в зависимости от времени этих всплесков и сохраняют эти изменения локально во взаимосвязях. Интеллектуальное поведение возникает в результате совместных и конкурентных взаимодействий между несколькими областями нейронных сетей мозга и окружающей средой.

Модели машинного обучения, такие как глубокое обучение, в последнее время добились огромных успехов благодаря использованию обширных наборов обучающих данных для распознавания объектов и событий. Однако, если их обучающие наборы специально не учитывают конкретный элемент, ситуацию или обстоятельство, эти системы машинного обучения плохо обобщают.

Потенциальные преимущества самообучающихся чипов безграничны. В одном примере данные о сердцебиении человека в различных условиях — после пробежки, после еды или перед сном — передаются нейроморфной системе, которая анализирует данные для определения «нормального» сердцебиения. Затем система может непрерывно отслеживать поступающие данные о сердце, чтобы помечать шаблоны, которые не соответствуют «нормальному» шаблону. Система может быть персонализирована для любого пользователя.

Этот тип логики также может быть применен к другим случаям использования, таким как кибербезопасность, когда аномалия или разница в потоках данных могут идентифицировать нарушение или взлом, поскольку система изучила «нормальное» в различных контекстах.

Представляем тестовый чип Loihi

Исследовательский тестовый чип Loihi включает в себя цифровые схемы, которые имитируют базовую механику мозга, ускоряя и повышая эффективность машинного обучения и требуя меньшей вычислительной мощности. Модели нейроморфных чипов черпают вдохновение из того, как нейроны общаются и учатся, используя спайки и пластичные синапсы, которые можно модулировать в зависимости от времени. Это может помочь компьютерам самоорганизовываться и принимать решения на основе шаблонов и ассоциаций.

Тестовый чип Loihi предлагает очень гибкое встроенное обучение и сочетает в себе обучение и логические выводы на одном чипе. Это позволяет машинам быть автономными и адаптироваться в режиме реального времени, а не ждать следующего обновления из облака. Исследователи продемонстрировали скорость обучения, которая в 1 миллион раз выше, чем у других типичных импульсных нейронных сетей, что измеряется общим количеством операций для достижения заданной точности при решении задач распознавания цифр MNIST. По сравнению с такими технологиями, как сверточные нейронные сети и нейронные сети глубокого обучения, тестовый чип Loihi использует гораздо меньше ресурсов для выполнения той же задачи.

Возможности самообучения, прототипом которых является этот тестовый чип, обладают огромным потенциалом для улучшения автомобильных и промышленных приложений, а также персональных робототехники — любого приложения, которое выиграет от автономной работы и непрерывного обучения в неструктурированной среде. Например, распознавание движения автомобиля или велосипеда.

Кроме того, он в 1000 раз более энергоэффективен, чем вычисления общего назначения, необходимые для типичных обучающих систем.

В первой половине 2018 года тестовый чип Loihi будет передан ведущим университетам и научно-исследовательским учреждениям, занимающимся развитием ИИ.

Дополнительные моменты

Функции тестового чипа Loihi включают:

Полностью асинхронная нейроморфная многоядерная сетка, поддерживающая широкий спектр топологий разреженных, иерархических и рекуррентных нейронных сетей, где каждый нейрон может взаимодействовать с тысячами других нейронов.
Каждое нейроморфное ядро включает механизм обучения, который можно запрограммировать на адаптацию сетевых параметров во время работы, поддерживая контролируемое и неконтролируемое обучение, подкрепление и другие парадигмы обучения.
Производство по 14-нм техпроцессу Intel.
Всего 130 000 нейронов и 130 миллионов синапсов.
Разработка и тестирование нескольких алгоритмов с высокой алгоритмической эффективностью для задач, включая планирование пути, удовлетворение ограничений, разреженное кодирование, изучение словаря, изучение и адаптацию динамических шаблонов.

Что дальше?

Ожидается, что преобразующая сила ИИ, вызванная достижениями в области вычислений и алгоритмических инноваций, окажет огромное влияние на общество. Сегодня мы в Intel прилагаем все усилия для реализации закона Мура и лидерства в производстве, чтобы вывести на рынок широкий спектр продуктов — процессоры Intel® Xeon®, технологию Intel® Nervana™, технологию Intel Movidius™ и FPGA Intel — которые решают уникальные Требования к рабочим нагрузкам ИИ от периферии до центра обработки данных и облака.

Вычислительные ресурсы общего назначения, а также специализированное аппаратное и программное обеспечение используются в любых масштабах. Процессор Intel® Xeon Phi™, широко используемый в научных вычислениях, позволил создать одни из самых больших в мире моделей для интерпретации крупномасштабных научных задач, а Movidius Neural Compute Stick является примером развертывания ранее обученных моделей мощностью 1 ватт.

Поскольку рабочие нагрузки ИИ становятся все более разнообразными и сложными, они проверят пределы возможностей современных доминирующих вычислительных архитектур и вызовут появление новых прорывных подходов. Заглядывая в будущее, Intel считает, что нейроморфные вычисления предлагают способ обеспечить сверхвысокую производительность в конструкции, вдохновленной тем, как работает мозг.

Я надеюсь, что в ближайшие несколько месяцев вы будете следить за важными вехами, достигнутыми Intel Labs, когда мы будем внедрять такие концепции, как нейроморфные вычисления, в массовые, чтобы поддерживать мировую экономику в течение следующих 50 лет. В будущем с нейроморфными вычислениями все, что вы можете себе представить, и даже больше, перейдет от возможности к реальности, поскольку поток информации и принятия решений станет более плавным и ускоренным.

Взгляд Intel на разработку инновационных вычислительных архитектур остается неизменным, и мы знаем, как выглядит будущее вычислений, потому что мы строим его сегодня.

Доктор. Майкл Мейберри — корпоративный вице-президент и управляющий директор Intel Labs корпорации Intel.

< бр />

Intel недавно провела свой основной доклад на выставке CES, и, хотя большая часть его освещения представляла собой обычную симфонию маркетинговых материалов и будущих проектов, один конкретный сегмент, безусловно, является самой захватывающей частью заметки: нейроморфная и квантовая обработка. Не секрет, что мы приближаемся к краю физики с нашими обычными процессами, кремний может только увести нас до сих пор. Вот почему нам нужно искать новые горизонты, которые позволят нам еще больше расширить наши вычислительные возможности, и похоже, что Intel прокладывает путь, уже реализуя два своих проекта.

Intel представляет процессор Loihi Neuromorphic для приложений ИИ

Первым таким проектом является чип Intel Loihi, который представляет собой нейроморфный процессор, также известный как самообучающийся. Точно так же, как человеческий мозг со временем создает нейронные пути, которые в конечном итоге составляют наш iQ и способность решать проблемы, этот чип сможет «обучаться» и иметь около 130 000 нейронов и 130 миллионов синапсов (аналогия, конечно). Он основан на 14-нанометровой технологии Intel и содержит базовую сетку, поддерживающую широкий спектр топологий нейронных сетей.

Функции тестового чипа Loihi включают:

Полностью асинхронная нейроморфная многоядерная сетка, поддерживающая широкий спектр топологий разреженных, иерархических и рекуррентных нейронных сетей, где каждый нейрон может взаимодействовать с тысячами других нейронов.
Каждое нейроморфное ядро включает механизм обучения, который можно запрограммировать на адаптацию сетевых параметров во время работы, поддерживая контролируемое и неконтролируемое обучение, подкрепление и другие парадигмы обучения.
Производство по 14-нм техпроцессу Intel.
Всего 130 000 нейронов и 130 миллионов синапсов.
Разработка и тестирование нескольких алгоритмов с высокой алгоритмической эффективностью для задач, включая планирование пути, удовлетворение ограничений, разреженное кодирование, изучение словаря, изучение и адаптацию динамических шаблонов.

Кроме того, он в 1000 раз более энергоэффективен, чем вычисления общего назначения, необходимые для типичных систем обучения. В первой половине 2018 года тестовый чип Loihi будет передан ведущим университетам и научно-исследовательским учреждениям, занимающимся развитием ИИ.

С распространением искусственного интеллекта в последние годы термин "нейроморфный" используется гораздо чаще в технологическом секторе. Если вы носитель английского языка, вы, вероятно, можете предположить, что нейроморфный означает что-то вроде «подобного мозгу». Действительно, модным словом дня является "нейроморфная обработка", и оно относится к компьютерам, ранее называвшимся "когнитивными компьютерами", разработанным для имитации функций человеческого мозга.

Причина, по которой это модное слово дня, заключается в том, что Intel только что анонсировала свой нейроморфный процессор второго поколения Loihi 2. Если вы никогда не слышали об оригинальном Loihi, вы, вероятно, не участвуете в передовых исследованиях искусственного интеллекта.Intel разработала Loihi в 2017 году и представила ее партнерам-исследователям в начале 2018 года. Компания утверждает, что использовала эти чипы за последние несколько лет при создании своего преемника.

Идея нейроморфных вычислений не совсем нова. Идея создания компьютера, который «работает как мозг», существовала в научной фантастике в начале прошлого века. Однако настоящие истоки современной нейроморфной инженерии восходят к 1980-м годам. Тем не менее, только в 2006 году кто-то пытался создать нейроморфный процессор, и только в 2014 году с IBM TrueNorth кому-то удалось масштабировать такой чип до подобия пригодной для использования плотности.

Итак, если вы энтузиаст аппаратного обеспечения, вы, вероятно, смотрите на то, что только что прочитали, и думаете: "Хорошо, значит, это гигантский процессор с кучей крошечных медленных ядер, верно?" Ну, нет, на самом деле. Во-первых, количество транзисторов Loihi составляет ничтожные 2,1 миллиарда, и на самом деле они довольно малы — всего 60 мм². Однако наиболее важно то, что это (в основном) не процессор x86. На самом деле это вовсе не «ЦП» — по крайней мере, не в том смысле, в каком мы обычно о них думаем.

Loihi (и его преемник, о котором мы поговорим чуть позже) сильно отличается от стандартного процессора Intel. У него нет интерфейса внешней памяти и нет «часов» в традиционном понимании. Вместо этого нейроморфные процессоры Intel разработаны на основе «спайковых нейронных сетей» (SNN). Это означает, что вместо того, чтобы весь чип был активен и обновлялся по синхронизированному тактовому сигналу, он полностью асинхронен и управляется событиями. Когда заряд накапливается, нейроны посылают «шипы» по активным синапсам. Эти всплески сильно зависят от времени; время кодируется как часть самих данных. Когда спайки накапливаются в нейроне в течение определенного периода времени и достигают установленного порога, ядро запускает собственные спайки к связанным с ним нейронам.

Это принципиально иной подход к компьютерной обработке, чем тот, к которому мы привыкли, но он очень похож на то, как работает мозг. Это сходство может дать нейроморфным компьютерам огромное преимущество в определенных типах рабочих нагрузок, очень похожее, но совершенно не связанное с тем, как квантовые вычисления могут быстро выполнять вычисления, которые иначе были бы невозможны.

Если верить Intel и ее партнерам на слово, чипы Loihi первого поколения уже доказали потенциал этой технологии. Они говорят, что Loihi в 3000 раз эффективнее данных при распознавании запахов и обучении по сравнению с традиционным глубоким автоэнкодером, в 44 раза быстрее, чем ЦП при комбинаторной оптимизации, и что он предлагает 150% производительность вывода графического процессора при выполнении адаптивного управления роботом-манипулятором. О, и все это при потреблении «гораздо менее 1 Вт» мощности.

Таким образом, Loihi 2 основывается на успехах своего предшественника и, если утверждения Intel подтвердятся, может стать значительным шагом вперед в сфере искусственного интеллекта. Loihi 2 значительно плотнее, чем часть последнего поколения, и содержит до 1 миллиона нейронов на чип. Несмотря на это, площадь кристалла нового чипа (31 мм²) едва в два раза меньше, чем у оригинала, благодаря тому, что он изготовлен по технологии Intel 4. Правильно: Loihi 2 станет первым чипом, изготовленным на базе Intel 4 и предназначенным для внешнего использования. Intel быстро признает, что, хотя Loihi 2 подтверждает жизнеспособность своего производственного процесса следующего поколения, он все еще находится на стадии подготовки к производству, а это означает, что количество Loihi 2 какое-то время будет довольно ограниченным.

Однако дело не только в плотности. Новый нейроморфный чип Intel также имеет значительные архитектурные улучшения по сравнению с чипом последнего поколения. Компания говорит, что ее новое детище поддерживает целые величины пиков, тогда как Loihi поддерживает только двоичные пики; что позволяет повысить точность рабочей нагрузки. Нейроны нового чипа также поддерживают несколько инструкций микрокода, которые обеспечивают более прямое программирование, чем исходная часть. Кроме того, он просто быстрее выполняет одни и те же действия: в зависимости от того, о какой конкретной части схемы мы говорим, Loihi 2 работает от двух до десяти раз быстрее, чем исходная часть.Это ускоряет все, что делает чип, аналогично увеличению тактовой частоты обычного процессора.

Loihi 2 также может масштабироваться дальше и проще, чем оригинал. Он поддерживает 3D-мозаику с четырехкратной пропускной способностью межканала по сравнению с частью первого поколения, а также реализует довольно причудливую технологию сжатия, чтобы выжать больше производительности из указанных межлинков. Несмотря на то, что у него немного меньше памяти на ядро нейрона (192 КБ), распределение является гибким в новой части, где оно было фиксированным в оригинале, и Intel заявляет, что «эффективная емкость» «значительно выше». Три исходных ядра Lakefield x86 претерпели митоз и теперь представляют собой шесть одинаковых ядер, запрограммированных с помощью обычного кода C или Python и используемых для кодирования и декодирования данных в нейроморфном домене.

Другим крупным открытием дня от Intel является совершенно новая среда нейроморфных вычислений Lava с открытым исходным кодом. Одной из серьезных проблем, с которыми Intel и ее партнеры по исследованиям продолжали сталкиваться при работе с оригинальными чипами Loihi, была нехватка программного обеспечения, которое могло бы работать с весьма закрытым и экспериментальным аппаратным обеспечением. Надеясь продвинуть область нейроморфных вычислений в целом, Intel специально разработала свою платформу Lava так, чтобы она не зависела от платформы; компания заявляет, что намеренно структурировала код таким образом, чтобы он не был привязан к собственным нейроморфным чипам.

Кроме того, исходный код Lava полностью открыт. Intel заявляет, что хочет поощрять конвергенцию в этой области, чтобы избежать нынешней ситуации с традиционными искусственными нейронными сетями, которая представляет собой произвольный беспорядок фреймворков и инструментов с различными наборами функций и возможностей. Он также расширяемый; его можно взаимодействовать с существующими фреймворками, такими как YARP, TensorFlow, PyTorch и другими. Сама Lava полностью используется с Python с точки зрения пользователя, но Intel отмечает, что ее библиотеки используют оптимизированный код C, CUDA и OpenCL, где это уместно.

Возможно, самая крутая часть Lava заключается в том, что она разработана с учетом гетерогенных вычислений. Он полностью поддерживает платформы выполнения, включающие как обычные процессоры, так и графические процессоры, а также нейроморфные процессоры. Intel говорит, что это предлагает «общую парадигму программирования, которая поддерживает экстремальные уровни параллелизма». Наконец, хотя нейроморфные процессоры и импульсные нейронные сети специализируются на «обучении на лету», Intel отмечает, что Lava поддерживает такие инструменты, как SLAYER, для автономного обучения с обратным распространением ошибки.

На данный момент Intel предлагает исследователям только аппаратное обеспечение Loihi 2 и только в двух формах: однокристальная плата расширения Oheo Gulch, которая поставляется с FPGA Arria 10 для взаимодействия с Loihi 2, и вскоре Плата Kapoho Point, на которой установлено восемь микросхем Loihi 2 в форм-факторе 4x4 дюйма. Kapoho Point будет иметь контакты GPIO, а также «стандартные синхронные и асинхронные интерфейсы», которые позволят использовать его с такими вещами, как датчики и приводы для встроенных робототехнических приложений, например. Компания заявляет, что более масштабные системы все еще находятся в разработке.

Корпорация Intel ожидает, что большинство партнеров будут использовать Loihi 2, по крайней мере на данный момент, через Neuromorphic Research Cloud, или NRC. Не путать с Neuromorphic Research Community, также называемым NRC. Чтобы было ясно, вы должны присоединиться к NRC, прежде чем сможете использовать NRC. К счастью, членство является бесплатным и «открытым для всех квалифицированных академических, корпоративных и государственных исследовательских групп по всему миру». Без сомнения, благодаря значительным инвестициям в исследования, которые Intel вложила в эти части, компания заявляет, что ее цель — «развить коммерческую нейроморфную экосистему». В связи с этим участникам рекомендуется делиться своей работой с NRC, но это не является жестким требованием.

Если вы исследователь искусственного интеллекта и хотите зарегистрироваться в NRC, перейдите на эту страницу и нажмите ссылку "пожалуйста, напишите нам" внизу. И если у вас есть какие-либо мысли о Loihi 2, мы будем рады, если вы прокомментируете их ниже.

ЛОС-АЛАМИТОС, Калифорния, 8 марта 2018 г. /PRNewswire/ -- По мере того, как мы приближаемся к пределам физики и нуждаемся в новых прорывах для расширения будущих вычислительных возможностей, многообещающая область нейроморфных вычислений, наконец, приносит свои плоды — путем создания программируемых обучающих чипов. который может имитировать человеческий мозг и заменить традиционный ЦП, чтобы эффективно реализовать встроенные алгоритмы машинного обучения для тяжелых условий эксплуатации.В журналах IEEE Computer Society Computer и IEEE Micro две статьи представляют новый многоядерный нейроморфный процессор Intel Loihi, который оснащен программируемым микрокодом механизмом обучения, обеспечивающим обучение на кристалле. импульсных нейронных сетей (SSN).

Журналы IEEE Computer Society Computer и IEEE Micro освещают Loihi, революционный нейроморфный "самообучающийся" чип

В статье "Programming Spiking Neural Networks on Intel's Loihi", доступной в виде специальной предварительной статьи и опубликованной в выпуске журнала Computer за март 2018 г., Чит-Кван Лин из Intel и его коллеги описывают, как эти нейроморфные вычисления Подход, основанный на биологии, использует «локальность мозга, мелкозернистый параллелизм и управляемые событиями операции при создании высокоэффективных масштабируемых вычислительных машин путем реализации SNN на специальном оборудовании». Набор инструментов Loihi, как описывают авторы в своей статье, состоит из интуитивно понятного API на основе Python для указания SNN, а также компилятора и библиотеки времени выполнения для построения и выполнения SNN на этой, а также на других целевых платформах. Демонстрируя, как создавать, обучать и использовать SNN для классификации рукописных цифр из базы данных MNIST, авторы демонстрируют этот инновационный механизм правил обучения на основе микрокода в каждом нейроядре.

В статье «Loihi: нейроморфный многоядерный процессор с функцией обучения на кристалле», опубликованной в январском/февральском выпуске журнала IEEE Micro за 2018 г., исследователи из Intel подробно рассказали об этом новом нейроморфном процессоре для приложения ИИ. Этот 60-мм2 чип, изготовленный по 14-нанометровому техпроцессу Intel, продвигает современное моделирование SNN в кремнии. Loihi объединяет широкий спектр новых функций для этой области, таких как иерархическая связность, дендритные компартменты, синаптические задержки и, что наиболее важно, программируемое изучение синаптических правил.

Исследовательский тестовый чип Loihi включает в себя цифровые схемы, которые имитируют базовую механику мозга, ускоряя и повышая эффективность машинного обучения и требуя меньшей вычислительной мощности. Модели нейроморфных чипов черпают вдохновение из того, как человеческие нейроны общаются и учатся, используя спайки и пластичные синапсы, которые можно модулировать в зависимости от времени. Эта революционная технология может помочь компьютерам самоорганизовываться и принимать решения на основе шаблонов и ассоциаций.

В первой половине 2018 года тестовый чип Loihi будет передан ведущим университетам и научно-исследовательским учреждениям, занимающимся развитием ИИ. Intel надеется, что этот набор инструментов облегчит задачу программирования SSN на Loihi и, как следствие, станет катализатором более широкого участия в нейроморфных вычислениях более широкого исследовательского сообщества.

«Чип Loihi и набор инструментов для него призваны, наконец, превратить нейроморфные вычисления из многообещающей, но зависящей от алгоритма концепции/прототипа в полностью программируемую архитектуру обучения, – говорит Суми Хелал, главный редактор Компьютер. «Программируемое нейроморфное обучение повысит полезность и расширит возможности других ключевых технологий, таких как Интернет вещей, что в конечном итоге может привести к демократизации ИИ для всех».

"Мы рады возможности представить и поддержать новый многоядерный нейроморфный процессор Intel Loihi и набор его инструментов в наших ведущих публикациях Computer и IEEE Micro", — сказал он. Доктор Хиронори Касахара , президент IEEE CS 2018 г., профессор компьютерных наук Университета Васэда в Токио и директор Института перспективных многоядерных исследований кампуса. «На IEEE CS мы с нетерпением ждем достижений, которые это создаст для ИИ и вычислительного потенциала в целом».

Полный выпуск Computer будет доступен позднее в марте.

Computer, флагманский журнал IEEE Computer Society, посвящен новым передовым технологиям, открытиям и инновациям. Читательская аудитория, насчитывающая более 53 000 специалистов в области технологий, охватывает все аспекты компьютерных наук, вычислительной техники, вычислительных технологий и приложений. Уже более 40 лет разработчики, исследователи и менеджеры полагаются на Компьютер для получения своевременной, проверенной экспертами информации об исследованиях, тенденциях, передовом опыте и изменениях в профессии.

IEEE Micro, издание IEEE Computer Society, выходящее два раза в месяц, адресовано пользователям и разработчикам микропроцессоров и микропроцессорных систем, включая менеджеров, инженеров, консультантов, преподавателей и студентов, занимающихся компьютерами и периферийными устройствами, компонентами. и узлы, средства связи, контрольно-измерительные приборы и системы наведения.Тематические области включают архитектуру, связь, сбор данных, управление, аппаратное и программное обеспечение / разработку / реализацию, алгоритмы (включая списки программ), цифровую обработку сигналов, аппаратное обеспечение микропроцессора, операционные системы, автоматизированное проектирование, языки, прикладное программное обеспечение и системы разработки.

Читайте также: