Intel|英特尔发新神经形态芯片 31mm2容纳100万人工神经元_英特尔发新神经形态芯片|31m

近日，英特尔发布了第二代神经形态芯片Loihi ，面积为31mm2 ，最多可封装100万个人工神经元，而上一代面积为60mm2 ，支持13.1万个神经元。同时， Loihi 2比上一代快10倍，资源密度提高了15倍，且能效更高。

文章图片

Loihi 2有128个神经形态核心，相较于第一代，每个核心都有此前数量8倍的神经元和突触，这些神经元通过1.2亿个突触相互连接。据英特尔的早期评估，与在第一代Loihi上运行的标准深度网络相比，在准确性没有降低的情况下， Loihi 2上每次推理运算的次数减少到原来的至少60分之一。

文章图片

英特尔神经形态计算实验室总监Mike Davies表示：“第二代芯片极大地提高了神经形态处理的速度、可编程性和容量，扩大了在功耗和时延受限的智能计算应用上的用途。英特尔正在开源Lava ，以满足在实践中对软件融合、基准测试和跨平台合作的需求，并加快商业可行性的进程。”

文章图片

Davies认为， Loihi 2等芯片擅长于处理赋予计算机感官（例如视觉和嗅觉）的任务。因为效率很高，神经形态芯片非常适合电源有限且不受传统计算机网络束缚的移动设备。
为什么需要神经形态芯片？
在曾经很长一段时间内，规则式（rule-based）方法都在人工智能领域占据主流，对计算机进行编程需要编写分步说明。以教计算机学会识别狗举例，这会涉及列出一组规则来指导其判断，如检查它是否有四只脚等等。但如果计算机遇到一只只有三只腿的小狗怎么办？这时也许就需要更多规则，但是列出无穷无尽的规则，并让计算机每次做出类型决策时都重复该过程是低效且不切实际的。
而人类的学习方式则与此相异，在区分狗与猫时无需被告知任何相关规则，于是学习人类大脑的运行方式成为人工智能发展的一个重要方向。

文章图片

20世纪40年代，科学家们开始用数学方法对神经元进行建模，此后则开始用计算机对神经元网络进行建模。人工神经元和突触比大脑中的要简单得多，但它们的运作原理相同——大脑中的神经元通过跨突触相互发送尖峰信号（Spiking Signals）来进行交流。