想象一下——未來，我們可以更加迅速的對(duì)復(fù)雜問題做出決策并且能隨時(shí)自動(dòng)調(diào)整，很多社會(huì)和工業(yè)問題也都可以通過自主學(xué)習(xí)經(jīng)驗(yàn)來自動(dòng)解決。未來，一線救援人員可以通過圖片識(shí)別分析街道攝像頭畫面，并迅速解救失蹤或被綁架的人。未來，交通信號(hào)燈會(huì)根據(jù)交通流量自動(dòng)調(diào)整變燈時(shí)間，控制起步停車的時(shí)間從而減少交通擁堵。未來，機(jī)器人將變得更加自主化，性能效率也都會(huì)顯著提高。

隨著從高度動(dòng)態(tài)、非結(jié)構(gòu)化自然數(shù)據(jù)中進(jìn)行收集、分析和決策的需求越來越高，對(duì)計(jì)算的需求也超越了經(jīng)典的CPU和GPU架構(gòu)。為了跟上技術(shù)發(fā)展的步伐，并推動(dòng)PC和服務(wù)器以外的計(jì)算，英特爾過去六年來一直在研究能夠加快經(jīng)典計(jì)算平臺(tái)的專用架構(gòu)。最近英特爾還加大了對(duì)人工智能（AI）和神經(jīng)擬態(tài)計(jì)算的投資和研發(fā)。

我們?cè)谏窠?jīng)擬態(tài)計(jì)算領(lǐng)域的研究工作是基于幾十年來的研究與合作，這項(xiàng)研究是由加州理工學(xué)院Carver Mead教授最先開始的，他以半導(dǎo)體設(shè)計(jì)的基礎(chǔ)性工作而聞名。芯片專業(yè)知識(shí)、物理學(xué)和生物學(xué)的結(jié)合為新想法的創(chuàng)造提供了一個(gè)良好的環(huán)境。這些想法非常簡單，卻具有革命性：將機(jī)器與人腦進(jìn)行比較。該研究領(lǐng)域?qū)⒏叨葏f(xié)作和不斷支持科學(xué)的進(jìn)一步發(fā)展。

作為英特爾研究院的一個(gè)研究課題，英特爾開發(fā)了代號(hào)為Loihi的第一款自主學(xué)習(xí)神經(jīng)擬態(tài)芯片， 它模仿了大腦根據(jù)環(huán)境的各種反饋來學(xué)習(xí)如何操作的運(yùn)作方式。這是一種非常節(jié)能的芯片，它利用數(shù)據(jù)來學(xué)習(xí)并做出推斷，隨著時(shí)間的推移變得更加的智能，并且不需要以傳統(tǒng)方式進(jìn)行訓(xùn)練。它采用一種新穎的方式通過異步脈沖來計(jì)算。

我們認(rèn)為人工智能還處于初級(jí)階段，Loihi等更多的架構(gòu)和方法將不斷涌現(xiàn)，從而提高人工智能的標(biāo)準(zhǔn)。神經(jīng)擬態(tài)計(jì)算的靈感來自我們目前對(duì)大腦結(jié)構(gòu)及其計(jì)算能力的了解。大腦的神經(jīng)網(wǎng)絡(luò)通過脈沖來傳遞信息，根據(jù)這些脈沖的時(shí)間來調(diào)節(jié)突觸強(qiáng)度或突觸連接的權(quán)重，并把這些變化存儲(chǔ)在突觸連接處。腦內(nèi)神經(jīng)網(wǎng)絡(luò)及其環(huán)境中多個(gè)區(qū)域之間的協(xié)作和競(jìng)爭(zhēng)性相互作用就產(chǎn)生了智能的行為。

機(jī)器學(xué)習(xí)，如深度學(xué)習(xí)，通過使用大量的訓(xùn)練數(shù)據(jù)集來識(shí)別物體和事件，最近取得了巨大的進(jìn)步。但是，除非這些訓(xùn)練數(shù)據(jù)集考慮到特定的元素、條件或環(huán)境，否則這些機(jī)器學(xué)習(xí)系統(tǒng)不能得到很好地泛化。

自主學(xué)習(xí)芯片的潛在好處是無窮無盡的。例如它能夠把一個(gè)人在各種狀況下——慢跑后、吃飯前或睡覺前——的心跳數(shù)據(jù)提供給一個(gè)基于神經(jīng)擬態(tài)的系統(tǒng)，來解析這些數(shù)據(jù)，確定各種狀況下的“正常”心跳。這個(gè)系統(tǒng)隨后持續(xù)監(jiān)測(cè)傳入的心跳數(shù)據(jù)，以標(biāo)記出與“正常”心跳模式不相符的情況。這個(gè)系統(tǒng)還可以針對(duì)任何用戶提供個(gè)性化服務(wù)。

這種類型的邏輯也適用于其它的應(yīng)用場(chǎng)景，例如：網(wǎng)絡(luò)安全，由于系統(tǒng)已經(jīng)學(xué)習(xí)了各種狀況下的“常態(tài)“模式，因此當(dāng)數(shù)據(jù)流中出現(xiàn)異?；虿町惖臅r(shí)候，就可以識(shí)別出漏洞或黑客攻擊。

英特爾推出Loihi測(cè)試芯片

Loihi研究測(cè)試芯片包括模仿大腦基本機(jī)制的數(shù)字電路，從而讓機(jī)器學(xué)習(xí)變得更快、更高效，同時(shí)對(duì)計(jì)算力的需求更小。神經(jīng)擬態(tài)芯片模型的靈感來自于神經(jīng)元通信和學(xué)習(xí)的方式，利用了可根據(jù)時(shí)間調(diào)節(jié)的脈沖和可塑觸突。這將幫助計(jì)算機(jī)在模式和關(guān)聯(lián)的基礎(chǔ)上實(shí)現(xiàn)自組織并做出決策。

Loihi測(cè)試芯片提供高度靈活的片上學(xué)習(xí)能力，并把訓(xùn)練和推斷整合到一個(gè)芯片上。這讓機(jī)器實(shí)現(xiàn)自動(dòng)化，并實(shí)時(shí)進(jìn)行調(diào)整，無需等待來自云端的下一次更新。研究人員已證實(shí)，與其他典型的脈沖神經(jīng)網(wǎng)絡(luò)相比，在解決MNIST數(shù)字識(shí)別問題時(shí)，以實(shí)現(xiàn)一定準(zhǔn)確率所需要的總操作數(shù)來看，Loihi芯片學(xué)習(xí)速度提高了100萬倍。與卷積神經(jīng)網(wǎng)絡(luò)和深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)相比，Loihi測(cè)試芯片在同樣的任務(wù)中需要的資源更少。

這種測(cè)試芯片的自主學(xué)習(xí)功能具有巨大的潛力，可以改進(jìn)汽車和工業(yè)應(yīng)用以及個(gè)人機(jī)器人——包括任何在非結(jié)構(gòu)化環(huán)境下得益于自主操作和持續(xù)學(xué)習(xí)的應(yīng)用，例如，識(shí)別汽車或自行車的運(yùn)動(dòng)。

此外，與訓(xùn)練人工智能系統(tǒng)的通用計(jì)算芯片相比，Loihi芯片的能效提升了1000倍。2018年上半年，英特爾將與著名大學(xué)和研究機(jī)構(gòu)共享Loihi測(cè)試芯片，致力于推進(jìn)人工智能。

本文作者：Michael C. Mayberry博士

Michael C. Mayberry博士現(xiàn)任英特爾公司副總裁兼英特爾研究院院長，負(fù)責(zé)英特爾在計(jì)算和通信領(lǐng)域的全球研究工作。此外，他還領(lǐng)導(dǎo)公司研究委員會(huì)，負(fù)責(zé)推動(dòng)英特爾大學(xué)定向研究項(xiàng)目的資源調(diào)配與優(yōu)先排序。

自從1984年加入英特爾公司并擔(dān)任制程集成工程師以來，Mayberry博士曾在公司的多個(gè)職位任職。作為加州技術(shù)開發(fā)團(tuán)隊(duì)的成員，他開發(fā)了EPROM、閃存和邏輯晶圓制造工藝。1994年，他加入晶圓測(cè)試技術(shù)開發(fā)團(tuán)隊(duì)，負(fù)責(zé)英特爾微處理器測(cè)試流程的路線圖制定與開發(fā)工作。2005年，他進(jìn)入組件研究團(tuán)隊(duì)，負(fù)責(zé)為英特爾的技術(shù)開發(fā)部門提供未來制程的選項(xiàng)。

Mayberry博士于1983年在加州大學(xué)伯克利分校獲得物理化學(xué)博士學(xué)位，并于1978年在米蘭德學(xué)院獲得化學(xué)與數(shù)學(xué)學(xué)士學(xué)位。