科技細分領域TOP10影響力內(nèi)容第一季度入選作品
來源 | DeepTech深科技
作者 | 黃珊
人類大腦由 860 億個互相連接的神經(jīng)元組成?？茖W家們希望在芯片中也能盡可能多的復制這種連接。
今天，英特爾宣布推出其最新神經(jīng)擬態(tài)系統(tǒng) Pohoiki Springs，首次將計算能力擴展到了 1 億個，將 Loihi 的神經(jīng)容量增加到一個小型哺乳動物大腦的大小。
Pohoiki Springs 是一個數(shù)據(jù)中心機架式系統(tǒng)，是英特爾迄今為止開發(fā)的最大規(guī)模的神經(jīng)擬態(tài)計算系統(tǒng)。它將 768 塊 Loihi 神經(jīng)擬態(tài)研究芯片集成在 5 臺標準服務器大小的機箱中。
英特爾的研究人員認為，與當今最先進的傳統(tǒng)計算機相比，神經(jīng)擬態(tài)系統(tǒng)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顯著提升性能。
圖丨 Pohoiki Springs（來源：英特爾）
英特爾神經(jīng)擬態(tài)計算實驗室主任 Mike Davies 介紹稱：“Pohoiki Springs 將我們的 Loihi 神經(jīng)擬態(tài)研究芯片擴展了 750 倍以上，同時以低于 500 瓦的功率運行。當前，一些工作負載在傳統(tǒng)架構（包括高性能計算 [HPC] 系統(tǒng)）上運行緩慢。而 Pohoiki Springs 系統(tǒng)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。” 英特爾將向其于 2018 年成立的_英特爾神經(jīng)擬態(tài)研究社區(qū)_（INRC）成員提供這一基于云的系統(tǒng)，以擴展其神經(jīng)擬態(tài)工作來解決更大規(guī)模且更復雜的問題。
在今天早上接受包括 DeepTech 在內(nèi)的媒體采訪時，Mike Davies 表示，Pohoiki Springs 能夠最直接發(fā)揮它的價值的方向，將包括一些非常難的運算問題，比如 NP Complete 和 NP Hard 之類的問題。
“這些問題類似于我們大腦平時思考和解決的問題，像是如何計劃未來的任務和決定，如何計劃肢體活動軌跡等等。它們都可以被視為定義的非常好的運算問題。
我們認為，對于新架構和 Pohoiki Springs 來說，存在一類支持大規(guī)模、高效率的運算任務。在執(zhí)行這些任務的時候，我們的新架構并不一定會在吞吐量上超過傳統(tǒng)解決方案，因為傳統(tǒng)方案在平行運算上有自然優(yōu)勢，不過我們期待新架構的優(yōu)點是降低延遲（ Latency），還有能耗優(yōu)勢。我們認為，針對同一個解決方案來說，神經(jīng)擬態(tài)架構比傳統(tǒng)架構的能耗少數(shù)千倍。節(jié)省的能耗可以反映在降低運營開銷上，因此具備能耗優(yōu)勢也非常重要”，他說。
圖丨 Mike Davies（來源：英特爾）
復盤英特爾神經(jīng)擬態(tài)硬件之路
神經(jīng)擬態(tài)計算（Neuromorphic Computing）是一個由硬件開發(fā)、軟件支持、生物模型相互交融而成的古老領域，旨在基于仿生的原理讓機器擁有類人的智能。
低功耗、高容錯、創(chuàng)造性…… 人腦有太多值得機器追趕的能力，因此也是很多計算科學家為之向往的存在。在人腦這個僅占 3% 人體質量的器官中，1000 億個神經(jīng)元攜 1000 萬億個突觸相連接。每一秒都有神經(jīng)元衰老死亡 “退役” 的情況下，它仍能運轉計算著世界撲面而來的巨大信息量。而功耗只有 20 瓦。
1980 年，人類首次打開神經(jīng)擬態(tài)計算。超大規(guī)模集成電路 (VLSI) 發(fā)明者之一、加州理工學院傳奇人物 Carver Mead 在 Proceeding of IEEE 發(fā)表文章 Neuromorphic Electronics Systems，第一次提出神經(jīng)擬態(tài)概念，并設想用 CMOS 模擬電路去模仿生物視網(wǎng)膜 outer plexiform layer，搭建具有生物計算特性的系統(tǒng)。
最初的神經(jīng)擬態(tài)芯片，基本是為了人腦反向工程而存在，即為生物解剖、算法及模型團隊提供硬件驗證平臺。
但是隨著神經(jīng)擬態(tài)計算的發(fā)展，這種和傳統(tǒng)計算架構完全不同地將計算和存儲高度整合的技術，展現(xiàn)了更大的潛力。不僅僅是學術機構，包括 IBM、英特爾等大型科技公司也加入到了這個領域中。
圖丨強調存算一體的神經(jīng)擬態(tài)芯片架構（來源：英特爾）
2017 年，作為英特爾研究院的一個研究課題，英特爾開發(fā)了代號為 Loihi 的第一款自主學習神經(jīng)擬態(tài)芯片，在神經(jīng)擬態(tài)硬件的開發(fā)上邁出一步。
英特爾的 Loihi 神經(jīng)擬態(tài)芯片把訓練和推理整合到一個芯片上，并實現(xiàn)了計算和存儲功能的整合：單芯片中的 128 個小核各包含 1000 個神經(jīng)元硬件設計架構，模擬多個“邏輯神經(jīng)元”，支持多種學習模式的可擴展的片上學習能力，實現(xiàn)多種不同的神經(jīng)網(wǎng)絡突破。Loihi 的名字其實取自于夏威夷海底的一座不斷噴發(fā)的活火山，每一次噴發(fā)都會擴大夏威夷島的范圍，英特爾將芯片取名 Loihi，就是希望其能夠通過不斷的自我學習，可以提供更加強大的人工智能的能力。
因為模擬了大腦根據(jù)環(huán)境的各種反饋來學習如何操作的運作方式，Loihi 在能耗上非常節(jié)能，采用一種新穎的 “異步脈沖” 的方式來計算，利用了可根據(jù)時間調節(jié)的脈沖和可塑觸突。資料顯示，與訓練人工智能系統(tǒng)的通用計算芯片相比，Loihi 芯片的能效提升了 1000 倍。
圖丨 Loihi 的其他兩款計算系統(tǒng)
圍繞新生的計算產(chǎn)品，生態(tài)的建設同樣是一個重要事項。于是，在 2018 年，英特爾神經(jīng)擬態(tài)研究社區(qū)（INRC）的建立，希望進一步推動神經(jīng)擬態(tài)算法、軟件和應用程序的開發(fā)。
到了 2019 年，英特爾推出 Pohoiki Beach，包含 64 塊 Loihi 研究芯片，擁有 800 萬神經(jīng)元，能夠提供更大的計算規(guī)模和更強的計算能力。目前 Pohoiki Beach 已經(jīng)可以供廣大研究人員使用。通過 Pohoiki Beach，研究人員可以利用英特爾的 Loihi 研究芯片開展實驗。在稀疏編碼、圖搜索、同步定位和建圖（SLAM）、路徑規(guī)劃、約束滿足問題等專業(yè)應用領域，Loihi 能讓用戶以千倍于 CPU 的速度和萬倍于 CPU 的效率處理信息。
Pohoiki Beach 是英特爾神經(jīng)擬態(tài)研究工作的重要里程碑，它為英特爾研究院將該架構擴展到 1 億個神經(jīng)元的計劃奠定了基礎。
直至今天，這個計劃終于實現(xiàn)，英特爾正式推出 “Pohoiki Springs” 的 Loihi 系統(tǒng)。
圖丨就在幾天前，基于 Loihi 的機器嗅覺系統(tǒng)還登上了 Nature Machine Intelligence（來源：英特爾）
英特爾和 INRC 研究人員一直在對外展示 Loihi 的各種能力，包括實時識別手勢、使用新型人造皮膚閱讀盲文、使用習得的視覺地標確定方向，以及學習新的氣味模式。所有這些功能都只需要消耗數(shù)十毫瓦的電能。到目前為止，這些小規(guī)模示例顯示出極好的可擴展性，英特爾相信，當運行更大規(guī)模的問題時，Loihi 比傳統(tǒng)解決方案更加快速高效。這模仿了自然界中從昆蟲大腦到人類大腦的可擴展性。
英特爾介紹，目前正為 Loihi 開發(fā)的頗具前景且高度可擴展算法示例包括：
約束滿足：約束滿足問題在現(xiàn)實世界中無處不在，從數(shù)獨游戲到航班調度，再到快遞配送規(guī)劃。這需要對大量潛在的解決方案進行評估，以找出一個或幾個能夠滿足特定約束的解決方案。Loihi 可以通過高速并行探索多個不同的解決方案來加速解決此類問題。 搜索圖和模式：每天，人們都會在基于圖的數(shù)據(jù)結構中進行搜索，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(zhí)行近似圖像搜索的能力。 優(yōu)化問題：可對神經(jīng)擬態(tài)架構進行編程，使其動態(tài)行為能夠隨時間的推移對特定目標進行數(shù)學優(yōu)化。此行為可應用于解決現(xiàn)實場景下的優(yōu)化問題，例如最大化無線通信信道的帶寬，或分配股票投資組合，以在目標收益率下最小化風險。由此也不難看出，與此前的產(chǎn)品類似，Pohoiki Springs 仍將是一款強調科研目的的產(chǎn)品。
（來源：英特爾）
半導體老將的新計算版圖正在成型
據(jù)了解，英特爾的 Pohoiki Springs 等神經(jīng)擬態(tài)系統(tǒng)仍處于研究階段，其設計目的并非取代傳統(tǒng)的計算系統(tǒng)，而是為研究人員提供一個工具來開發(fā)和表征新的神經(jīng)啟發(fā)算法，用于實時處理、問題解決、適應和學習。
那么，作為一家商業(yè)公司，英特爾押注神經(jīng)擬態(tài)計算的最大驅動力是什么？
在英特爾的官網(wǎng)，神經(jīng)擬態(tài)計算被描述成“Next Generation of AI ”。
對于英特爾來說，隨著 AI 時代的到來，這家半導體老兵也在朝著 “以數(shù)據(jù)為中心” 轉型，數(shù)據(jù)的變化一直是其關注的重點。過去 20 年來，數(shù)據(jù)經(jīng)歷了非常大的變化，具體到用以進行計算的數(shù)據(jù)，人類還將對其進行更大規(guī)模的智能處理。在這個過程中，數(shù)據(jù)和計算之間的技術演進邏輯也在變化。
正如英特爾中國研究院院長宋繼強曾在一場媒體活動中介紹的，此前，人類主要以對聲音數(shù)據(jù)、視頻數(shù)據(jù)、圖片數(shù)據(jù)等數(shù)據(jù)進行多媒體計算為主，即只是進行編輯壓縮，不會做識別和理解。但是后來，人類開始對這些數(shù)據(jù)進行智能的處理；與此同時，數(shù)據(jù)產(chǎn)生的來源和流向也發(fā)生了變化，大量的數(shù)據(jù)開始由終端往云上走；在新的智能時代，為了更好地處理數(shù)據(jù)，很多人工智能算法隨之誕生，這些算法模型中有參數(shù)，于是便誕生了數(shù)據(jù)之上的數(shù)據(jù)，即源數(shù)據(jù)，其中的量可能是百萬級別的。
無論是數(shù)據(jù)的處理，還是提高計算效率、改善傳輸存儲，都出現(xiàn)了新的要求和新的優(yōu)化，英特爾希望能在愈發(fā)多元化的數(shù)據(jù)市場、計算市場延續(xù)優(yōu)勢，需要配備更豐富的 AI 計算硬件組合。
目前，這家公司已經(jīng)推出了包括 VPU、FPGA、CPU、GPU、NNP 到 AI 專屬芯片的多種產(chǎn)品，以及配套的軟件開發(fā)技術，封裝、測試技術等，但仍需要更前沿的布局來補充，即所謂對的“面向未來的計算”，勾畫新的計算版圖。
圖丨英特爾 Loihi 神經(jīng) ni 系統(tǒng)進化路線圖（來源：英特爾）
據(jù)了解，在計算硬件的規(guī)劃上，英特爾一方面正在已有的硬件架構方式上繼續(xù)突破，另一個重要的方向在于——押注突破式計算技術。其中就包括神經(jīng)擬態(tài)計算和量子計算。
除了圍繞 Loihi 的神經(jīng)擬態(tài)計算以外，英特爾的量子計算布局則包括兩大內(nèi)容，一則是通過低溫超導量子位的方式實現(xiàn)量子計算，這一點與行業(yè)的主流方向一致，英特爾的進展是正在開發(fā) 49 個超導量子位測試芯片，并測試它的容錯能力、糾錯能力和連接性。
另一個內(nèi)容則是基于英特爾在傳統(tǒng)半導體領域發(fā)展的硅的加工工藝和測試工藝，利用硅電子自旋表示出量子態(tài)。據(jù)了解，在這個方向上，英特爾的 300 毫米、12 寸晶圓的生產(chǎn)線上已經(jīng)具備相應的生產(chǎn)能力，有兩個量子位的芯片已在測試，且公司正在為規(guī)?；a(chǎn)加大投入。
圖丨英特爾量子計算進化路線圖（來源：DeepTech）
不過，在神經(jīng)擬態(tài)計算的規(guī)劃上，諸如 IBM 和英特爾這樣的大公司，卻并不急于推出真正的商業(yè)化產(chǎn)品。盡管在國內(nèi)外，已經(jīng)有幾家初創(chuàng)公司正在開啟神經(jīng)擬態(tài)計算的商業(yè)化進程。例如從去年登上 Nature 的清華 “天機” 芯片團隊中走出的靈汐科技，以及從來自歐洲、背靠著名研究機構蘇黎世大學及蘇黎世聯(lián)邦理工神經(jīng)信息研究所的 ai-CTX。
對此，Mike Davies 回答 DeepTech 提問時表示：“對于英特爾來說，商業(yè)化的挑戰(zhàn)是我們?nèi)孕璋l(fā)現(xiàn)大量的該系統(tǒng)可以有效解決的問題。我們對高度專業(yè)化的點解決方案的商業(yè)化并不感興趣， 即使看起來有些問題我們可以很好地解決，比如人造嗅覺，炸彈或有毒化學物質 / 氣味檢測等等。但這些都需要高度專業(yè)化的定制方案，芯片也需要針對某項任務特殊定制。
我們最感興趣的，還是找到一個可以廣泛使用的新架構，類似于傳統(tǒng)的馮 · 諾依曼架構，但可以更高效地解決各種各樣的計算算法和應用。當然，在某些情況下馮 · 諾依曼架構還是會比我們快，但我們希望支持更多的運算種類。也許會有其他小公司也在做類似的研發(fā)，專門針對某個或某一類任務定制獨特的解決方案，這或許會讓他們更早拿出產(chǎn)品。但對于我們自己來說，距離產(chǎn)品面世還需要數(shù)年的時間?！?/p>
正如其所言，盡管是一個古老的科學概念，但神經(jīng)擬態(tài)計算還是新興的技術領域，也是直到近幾年才有了更多實際價值的展示。
而且，該領域仍然由神經(jīng)科學家、機器學習研究者所主導，并未被大量的軟件開發(fā)人員和工程師所熟知。這些計算系統(tǒng)投入到實際的運營中，還將要求開發(fā)人員們改變他們的思維方式，畢竟，傳統(tǒng)的存算分離馮 · 諾依曼架構已經(jīng)支配了計算的運行長達近 70 多年之久。
責任編輯：
