人工智能继续迭股票交易手续费怎么算代 类脑计算悄然走红

人工智能持续迭代类脑核算悄然走红

深度学习正遍地开花，但它或许并非人工智能的终极计划。无论是学术界仍是产业界，都在考虑人工智能的下一步开展途径：类脑核算已悄然成为备受重视的“种子选手”之一。

12月16日至17日，由北京未来芯片技能高精尖立异中心及清华大学微电子学研讨所联合主办的“北京高精尖论坛暨2019未来芯片论坛”在清华大学举办，这次论坛上，类脑核算成为多位权威专家热议的人工智能研讨方向。

人工智能浪潮下的洋流

类脑核算又被称为神经形状核算(NeuromorphicComputing)。它不仅是学术会议重视的新热门，产业界也在探究之中。

11月中旬，英特尔官网宣告了一则音讯：埃森哲、空中客车、通用电气和日立公司参加英特尔神经形状研讨共同体(INRC)，该共同体现在已具有逾越75个成员组织。

如果说，当下人工智能开展浪潮正波涛汹涌的话，类脑核算便是浪潮之下的洋流。虽不太引人注意，未来却有或许改动人工智能开展趋势。

原因之一是，深度学习虽在语音辨认、图像辨认、自然语言了解等范畴取得很大打破，并被广泛运用，但它需求许多的算力支撑，功耗也很高。

“咱们期望智能驾驭轿车的驾驭水平像司机相同，但现在明显还达不到。由于它对信息的智能判别和剖析不行，功耗也非常高。”清华大学微纳电子系教授吴华强告知科技日报记者，人工智能算法练习中心在履行使命时动辄耗费电量几万瓦乃至几十万瓦，而人的大脑耗能却仅相当于20瓦左右。

北京大学核算机科学技能系教授黄铁军也举了一个生动的比方：市场上运用深度学习技能的智能无人机现已非常灵活，但从智能程度上看，却与一只苍蝇或蜻蜓相差甚远，尽管体积和功耗比后者高许多。

寻求模仿大脑的功用

究竟什么是类脑核算，它又凭什么赢得学术界和产业界的宠爱？

“类脑核算从结构上寻求规划出像生物神经网络那样的体系，从功用上寻求模仿大脑的功用，从性能上寻求大幅度逾越生物大脑，也称神经形状核算。”黄铁军承受科技日报记者采访时说。

类脑核算企图模仿生物神经网络的结构和信息加工进程。它在软件层面的测验之一是脉冲神经网络(SNN)。

现在深度学习一般经过卷积神经网络(CNN)或递归神经网络(RNN)来完成。“CNN和RNN都归于人工神经网络，其间的人工神经元，至今仍在运用上世纪40年代时的模型。”黄铁军说，尽管现在规划出的人工神经网络越来越大，也越来越杂乱，但从根本上讲，其神经元模型没有太大改善。

另一方面，在深度学习人工神经网络中，神经元之间的衔接被称为权值。它们是人工神经网络的要害要素。

而在脉冲神经网络中，神经元之间却是神经脉冲，信息的表达和处理经过神经脉冲发送来完成。就像咱们的大脑中，有许多神经脉冲在传递和流通。

黄铁军告知记者，由于神经脉冲在不停地传递和流通，脉冲神经网络在表达和处理信息时，比深度学习的时刻性更杰出，愈加合适进行高效的时空信息处理。

推广运用或许不需太久

也有人从硬件层面去完成类脑核算，比方神经形状芯片。

2019年7月，英特尔发布音讯称，其神经形状研讨芯片Loihi履行专用使命的速度可比一般CPU快1000倍，效率高10000倍。

“在对信息的编码、传输和处理方面，咱们期望从大脑机制中取得启示，将这些主意运用到芯片技能上，让芯片的处理速度更快、水平更高、功耗更低。”吴华强也在进行神经形状芯片相关研讨，他告知科技日报记者。

吴华强介绍，在传统的冯·诺依曼架构中，信息的处理和存储是分隔的，而人的大脑在处理信息时，存储和处理是融为一体的。

“所以咱们在测验研制存算一体化的芯片，期望经过防止芯片内部不停地转移数据，来大幅进步芯片的能效比。”吴华强说，他的团队现在也已研制出存算一体的样品芯片。

谈到类脑核算的发展，黄铁军告知记者，现在类脑核算仍在探究阶段，还缺少典型的成功运用。但商业公司现已嗅到滋味，相关技能取得规模性运用或许不需求太长时刻。

“现在的神经形状核算还比较开始，它的开展水平跟现有干流人工智能算法比较，还存在必定距离。”中科院自动化所研讨员张兆翔承受科技日报记者采访时以为，但作为一种新的探究方法，应该持续坚持，由于它或许便是未来人工智能技能开展的重要打破口。