当我在北京住在90年代后,一个人走路他的自行车是什么都不看。但今天,我做了一个严肃的双重骑自行车的视频。

没有开玩笑。

自行车本身看起来超载了,但其他方面完全正常。然而,在其简单的背后,是一种混合计算机芯片,它将受大脑启发的电路与机器学习过程结合起来,形成一个庞大的计算系统。多亏了它的智能芯片,这辆自行车在小心翼翼地沿着铺设好的轨道滑行时能够自我平衡,然后平稳地加速到慢跑的速度,同时巧妙地绕过障碍物。它甚至可以响应简单的语音命令,如“加速”、“左转”或“直走”。

远离马戏团,自行车是AI社区的真实演示,最新尝试塑造专门的硬件,以跟上机器学习算法的挑战。天津(天机)*)芯片不仅仅是你的标准神经形态芯片。相反,它具有大脑芯片的体系结构,但也可以在天堂进行深度学习算法 - 一个基本上捣碎了神经启发硬件和软件的匹配。

这项研究表明,中国在谷歌,Facebook,NVIDIA和其他科技庞然座的高跟鞋中熟练地投资于开发新的AI筹码设计 - 地狱,在政府投资中有数十亿美元可能已经有一个头部开始从2017年开始了一个扫地的AI计划希望在2020年到2020年以2020年追赶美国技术和应用。到2030年,中国的目标是全球领导者 - 建设的冠军一般艾与智力能力相匹配。

该国的野心被反映在团队的离别词中。

“我们的研究有望促进AGI(人工通用智能)的发展,为更通用的硬件平台铺平道路。”作者,由清华大学罗平石博士领导的作者。

一个硬件问题

Shi的自主自行车不是第一个机器人两轮车。回到2015年,着名的研究非营利组织斯里国际在梅洛公园,加利福尼亚州的梅洛公园与Yamaha联合起来工程师Motobot.,一种能够驾驶摩托车的人形机器人。由最先进的机器人硬件和机器学习提供动力,Motobot最终赛车MotoGPTM值世界冠军Valentino Rossi钉子尖头偏离

然而,Motobot和Shi的骑自行车的技术核心大不相同,并且这种差异反映了两个往返更强大的AI的途径。其中一个是Motobot,是软件开发的脑状算法,具有越来越高的架构,功效和速度。这听起来很棒,但深神经网络需要这么多的普通芯片无法跟上的计算资源。

正如施告诉中国科学日报“cpu和其他芯片是由基于物理的微型化技术驱动的。晶体管可能在10到20年内缩小到纳米级。但是什么呢?”随着更多的晶体管被压缩到这些芯片上,有效的冷却成为计算速度的一个限制因素。对他们征税太多,他们就会融化。

对于AI进程继续,我们需要更好的硬件。越来越受欢迎的想法是建立神经形态芯片,这使得来自地下的大脑。IBM的TrueNorth例如,它包含一个大规模并行架构,与传统的Von Neumann结构的经典cpu和gpu完全不同。与生物大脑类似,TrueNorth的记忆存储在蚀刻在芯片上的物理“神经元”之间的“突触”中,这大大降低了能源消耗。

但即使这些芯片也有限。因为计算被保育到硬件架构,大多数筹码都很类似于特定类型的脑激发网络称为尖刺神经网络(SNNS)。毫无疑问,神经形态芯片是具有与生物网络类似的动态的高效设置。他们也不会与深度学习和其他基于软件的AI很好。

脑-AI混合核心

Shi的新天津芯片将两种不兼容性带到一块智慧五金硬件上。

首先是在深度学习和SNN之间架起桥梁。研究小组说,这两种计算机有着非常不同的计算哲学和存储组织。然而,最大的区别在于人工神经网络将多维数据(例如图像像素)转换为单个连续的多比特0和1流。相比之下,snn中的神经元是通过一种叫做“二元尖峰”的东西激活的,这种尖峰编码特定的激活事件。

使困惑?是的,也很难把头缠绕在它。那是因为SNNS与我们的神经网络同样地行动,因为我们的神经网络并没有像计算机一样。特定的神经元需要产生足够大的电信号(“尖峰”)以转移到下一个;信号中的小薄层不计算。它们传输数据的方式也大量取决于它们的连接方式,或网络拓扑。的外卖: snn的工作原理与深度学习非常不同。

Shi的团队首先用计算机语言——0和1——重新创造了这种点火特性,这样编码机制就可以与深度学习算法兼容。然后,他们仔细地排列了两个模型的逐步构建块,这使他们能够梳理出相似之处,形成共同基础,以便进一步构建。“在这个统一抽象的基础上,我们建立了一个跨范式的神经元方案,”他们说。

总的来说,该设计允许两种计算方法共享突触(神经元连接和存储数据的地方)和树突(神经元的输出分支)。相比之下,信号整合处的神经元体,就像输入分支一样,可以对每种类型的计算进行重新配置。每个构建块被组合成一个单一的统一功能核心(FCore),根据其具体设置,它就像一个深度学习/SNN转换器。换句话说,芯片可以完成以前不兼容的两种计算。

芯片

使用纳米级制造,团队排列了156个Fcores,含有大约40,000个神经元和1000万个突触,到芯片的长度和宽度小于5英寸。初始测试展示了芯片的多功能性,因为它可以运行SNN和深度学习算法,如流行卷积神经网络(CNNS)常用于机器视觉。

与IBM Truenorph相比,天津核心的密度增加了20%,加快了性能十倍,增加了至少100倍,团队增加了至少100倍。当反对GPU时,目前硬件的机器学习,芯片增加了加工吞吐量,高达100倍,同时使用仅是一个条子(1/10,000)的能量。

虽然这些统计数据很大,但实际的性能甚至更好地作为演示。这是作者给他们天津大脑的身体。该团队组合了一个带有多个专业网络的芯片来处理视觉,平衡,语音命令和实时决策。例如,对象检测和目标跟踪依赖于深度神经网络CNN,而使用SNN识别语音命令和平衡数据。然后将输入集成在神经状态机器内,该机器在向下游输出模块中搅拌了决定 - 例如,控制手柄杆向左转。

该团队表示,由于该芯片的类脑结构和双语能力,天基“允许所有神经网络模型并行运行,并实现了模型间的无缝通信。”其结果是,一辆自动自行车能在人的后面滚动,能在减速道上保持平衡,避免撞上路障,并能对语音指令做出反应。

一般AI?

“这是一个很棒的示范,令人印象深刻,”编辑团队在自然,这发表了这项研究上周在其封面上。

然而,他们警告说,当与最先进的筹码进行比较时,设计用于单一问题的芯片对此特定问题,天津落后。但是,建立这些杰克 - 所有交易混合芯片绝对值得努力。与今天的有限AI相比,人们真正想要的是人工综合情报,这将要求新的架构不是为解决某个特定问题而设计的。

直到人们开始探索,创新,并以不同的设计播放,并不清楚我们如何进一步进一步取得进展AI.。一辆自动驾驶自行车可能没什么好看的,但它的混合大脑是一个很好的起点。

*这个名字在中文里的意思是“天上的机器”、“自然界不可知的神秘”或“机密”。图。

图片来源:亚历山大Ryabintsev/shutterstock.com.

范雪来,神经科学家,科学作家。她在不列颠哥伦比亚大学(University of British Columbia)完成了神经科学博士学位,在那里她开发了神经退化的新疗法。在研究生物大脑的过程中,她迷上了人工智能和所有的生物技术。毕业后,她搬到加州大学旧金山分校(UCSF)研究让衰老大脑恢复活力的血液因子。她是…

遵循搁置: