英特爾將神經(jīng)擬態(tài)研究系統擴展至1億個(gè)神經(jīng)元

近日，英特爾宣布其最強大的最新神經(jīng)擬態(tài)研究系統Pohoiki Springs已準備就緒，將提供1億個(gè)神經(jīng)元的計算能力。英特爾將向英特爾神經(jīng)擬態(tài)研究社區（INRC）的成員提供這一基于云的系統，以擴展其神經(jīng)擬態(tài)工作來(lái)解決更大規模且更復雜的問(wèn)題。

英特爾神經(jīng)擬態(tài)計算實(shí)驗室主任Mike Davies介紹稱(chēng)：“Pohoiki Springs將我們的Loihi神經(jīng)擬態(tài)研究芯片擴展了750倍以上，同時(shí)以低于500瓦的功率運行。當前，一些工作負載在傳統架構（包括高性能計算[HPC]系統）上運行緩慢。而Pohoiki Springs系統則讓我們的研究合作伙伴能夠探索加速處理這些工作負載的方法?！?/p>

Pohoiki Springs是一個(gè)數據中心機架式系統，是英特爾迄今為止開(kāi)發(fā)的最大規模的神經(jīng)擬態(tài)計算系統。它將768塊Loihi神經(jīng)擬態(tài)研究芯片集成在5臺標準服務(wù)器大小的機箱中。

Loihi處理器的設計思路來(lái)源于人腦。與大腦一樣，Loihi能用比傳統處理器快1,000倍的速度和高10,000倍的效率處理特定要求的工作負載。Pohoiki Springs是擴展Loihi架構的下一步，可用于評估其解決AI問(wèn)題以及一系列計算難題的潛力。英特爾研究人員認為，與當今最先進(jìn)的傳統計算機相比，神經(jīng)擬態(tài)系統擁有超級并行性和異步信號傳輸能力，可以在明顯降低功耗的同時(shí)顯著(zhù)提升性能。

在自然界中，即使是一些最小的生物也能解決極為困難的計算問(wèn)題。例如，盡管很多昆蟲(chóng)大腦的神經(jīng)元數目遠低于100萬(wàn)個(gè)，但它們卻能實(shí)時(shí)視覺(jué)跟蹤物體、導航和躲避障礙物。同樣，英特爾最小的神經(jīng)擬態(tài)系統Kapoho Bay由兩個(gè)具有262,000個(gè)神經(jīng)元的Loihi芯片組成，支持各種實(shí)時(shí)邊緣工作負載。英特爾和INRC研究人員展示了Loihi的各種能力，包括實(shí)時(shí)識別手勢、使用新型人造皮膚閱讀盲文、使用習得的視覺(jué)地標確定方向，以及學(xué)習新的氣味模式。所有這些功能都只需要消耗數十毫瓦的電能。到目前為止，這些小規模示例顯示出極好的可擴展性，當運行更大規模的問(wèn)題時(shí)，Loihi比傳統解決方案更加快速高效。這模仿了自然界中從昆蟲(chóng)大腦到人類(lèi)大腦的可擴展性。

Pohoiki Springs擁有1億個(gè)神經(jīng)元，它將Loihi的神經(jīng)容量增加到一個(gè)小型哺乳動(dòng)物大腦的大小，這是在向支持更大、更復雜的神經(jīng)擬態(tài)工作負載的道路上邁出的重要一步。該系統為需要實(shí)時(shí)、動(dòng)態(tài)的數據處理新方法的自主、互聯(lián)的未來(lái)奠定了基礎。

英特爾的Pohoiki Springs等神經(jīng)擬態(tài)系統仍處于研究階段，其設計目的并非取代傳統的計算系統，而是為研究人員提供一個(gè)工具來(lái)開(kāi)發(fā)和表征新的神經(jīng)啟發(fā)算法，用于實(shí)時(shí)處理、問(wèn)題解決、適應和學(xué)習。INRC成員將使用英特爾Nx SDK和社區貢獻的軟件組件，通過(guò)云訪(fǎng)問(wèn)在Pohoiki Springs上構建應用程序。

目前正為L(cháng)oihi開(kāi)發(fā)的前景極佳且高度可擴展算法示例包括：

·   約束滿(mǎn)足：約束滿(mǎn)足問(wèn)題在現實(shí)世界中無(wú)處不在，從數獨游戲到航班調度，再到快遞配送規劃。這需要對大量潛在的解決方案進(jìn)行評估，以找出一個(gè)或幾個(gè)能夠滿(mǎn)足特定約束的解決方案。Loihi可以通過(guò)高速并行探索多個(gè)不同的解決方案來(lái)加速解決此類(lèi)問(wèn)題。

·   搜索圖和模式：每天，人們都會(huì )在基于圖的數據結構中進(jìn)行搜索，以找到最佳路徑和緊密匹配的模式，例如獲取駕駛方向或識別人臉。Loihi已展示出快速識別圖中的最短路徑和執行近似圖像搜索的能力。

·   優(yōu)化問(wèn)題：可對神經(jīng)擬態(tài)架構進(jìn)行編程，使其動(dòng)態(tài)行為能夠隨時(shí)間的推移對特定目標進(jìn)行數學(xué)優(yōu)化。此行為可應用于解決現實(shí)場(chǎng)景下的優(yōu)化問(wèn)題，例如最大化無(wú)線(xiàn)通信信道的帶寬，或分配股票投資組合，以在目標收益率下最小化風(fēng)險。

關(guān)于神經(jīng)擬態(tài)計算：傳統的CPU和GPU等通用處理器特別擅長(cháng)人類(lèi)難以完成的任務(wù)，如高精度的數學(xué)計算。但隨著(zhù)技術(shù)的作用和應用范圍都在不斷擴大，從自動(dòng)化到人工智能，以及其他更多領(lǐng)域，越來(lái)越要求計算機的操作模式趨向于人類(lèi)，以便實(shí)時(shí)處理非結構化和有噪聲的數據，并不斷地適應變化。為應對這一挑戰，新的專(zhuān)用架構應運而生。

神經(jīng)擬態(tài)計算是對計算機架構自下而上的徹底顛覆。其目標是應用神經(jīng)科學(xué)的最新見(jiàn)解，來(lái)創(chuàng )造作用方式更類(lèi)似于人腦的芯片而非傳統計算機的芯片。神經(jīng)擬態(tài)系統在硬件層面上復制了神經(jīng)元組織、通信和學(xué)習方式。英特爾認為L(cháng)oihi和未來(lái)的神經(jīng)擬態(tài)處理器將定義一種新的可編程計算模式，可滿(mǎn)足世界對普及型智能設備日益增長(cháng)的需求。

數據中心機架式系統Pohoiki Springs

（圖片來(lái)源：Tim Herman/英特爾公司）