0
  • 聊天消息
  • 系統(tǒng)消息
  • 評(píng)論與回復(fù)
登錄后你可以
  • 下載海量資料
  • 學(xué)習(xí)在線課程
  • 觀看技術(shù)視頻
  • 寫文章/發(fā)帖/加入社區(qū)
會(huì)員中心
創(chuàng)作中心

完善資料讓更多小伙伴認(rèn)識(shí)你,還能領(lǐng)取20積分哦,立即完善>

3天內(nèi)不再提示

Intel的Loihi神經(jīng)擬態(tài)研究基準(zhǔn)更新

h1654155282.3538 ? 來源:快科技 ? 作者:快科技 ? 2020-12-08 09:41 ? 次閱讀

近日,Intel分享了Intel神經(jīng)擬態(tài)研究社區(qū)(INRC)的最新進(jìn)展,聯(lián)想、羅技、梅賽德斯-奔馳、機(jī)器視覺傳感器公司Prophesee已經(jīng)加入,共同探索神經(jīng)擬態(tài)計(jì)算在商業(yè)用例上的價(jià)值。INRC社區(qū)成立于2018年3月,現(xiàn)已擁有100多名成員,其初衷是聯(lián)合行業(yè)共同、有效釋放神經(jīng)擬態(tài)計(jì)算的全部潛力。未來幾年內(nèi)將其從研究原型發(fā)展為能夠引領(lǐng)產(chǎn)業(yè)的產(chǎn)品

此前在2017年9月,作為Intel研究院的一個(gè)研究課題,Intel發(fā)布了代號(hào)“Loihi”的第一款自主學(xué)習(xí)神經(jīng)擬態(tài)芯片,包含128個(gè)小核心,而每個(gè)小核心有1000個(gè)神經(jīng)元硬件,模擬多個(gè)“邏輯神經(jīng)元”,相比AI訓(xùn)練的通用芯片能效提升1000倍。

2019年7月,Intel發(fā)布了代號(hào)為“PohoikiBeach”的神經(jīng)擬態(tài)系統(tǒng),包含64塊Loihi研究芯片,擁有800萬個(gè)神經(jīng)元。

2020年3月,Intel展示了Loihi在存在明顯噪聲和遮蓋的情況下學(xué)習(xí)和識(shí)別危險(xiǎn)化學(xué)品的能力,僅需單一樣本便可學(xué)會(huì)識(shí)別每一種氣味。

同時(shí),Intel宣布了代號(hào)“PohoikiSprings”的數(shù)據(jù)中心機(jī)架式系統(tǒng),在5臺(tái)標(biāo)準(zhǔn)服務(wù)器大小的機(jī)箱中集成了768塊Loihi芯片,擁有1億個(gè)神經(jīng)元,大約一個(gè)小型哺乳動(dòng)物大腦的水平。

這一次,Intel日重點(diǎn)介紹的Loihi神經(jīng)擬態(tài)研究基準(zhǔn)更新包括:

-語音命令識(shí)別

埃森哲測(cè)試了在IntelLoihi和標(biāo)準(zhǔn)GPU上識(shí)別語音命令的能力,發(fā)現(xiàn)Loihi不僅達(dá)到了和GPU類似的精度,而且能效提高1000倍以上,響應(yīng)速度快200毫秒。

梅塞德斯-奔馳正在探索如何將這些結(jié)果應(yīng)用到現(xiàn)實(shí)中,比如在汽車中加入新的語音交互命令。

-手勢(shì)識(shí)別

埃森哲展示了Loihi在快速學(xué)習(xí)、識(shí)別個(gè)性化手勢(shì)方面取得的切實(shí)進(jìn)展。只需幾次曝光,Loihi即可學(xué)習(xí)新手勢(shì),可用于智能產(chǎn)品交互,或者公共場(chǎng)所非接觸式顯示。

-圖像檢索

零售行業(yè)的研究人員評(píng)估了Loihi對(duì)基于圖像的產(chǎn)品搜索應(yīng)用,發(fā)現(xiàn)在保持相同精度水平的情況下,Loihi生成圖像特征向量的效率,比傳統(tǒng)CPU、GPU方案提升3倍多。

Intel此前研究發(fā)現(xiàn),Loihi在百萬幅圖像數(shù)據(jù)庫中搜索特征向量的速度比CPU快24倍,且能耗低30倍。

-優(yōu)化和搜索

Intel發(fā)現(xiàn),Loihi解決優(yōu)化和搜索問題的效率比傳統(tǒng)CPU高1000倍、速度快100倍。此研究可用于無人機(jī)實(shí)時(shí)規(guī)劃并做出復(fù)雜導(dǎo)航?jīng)Q策,也可以擴(kuò)展到復(fù)雜的數(shù)據(jù)中心負(fù)載,完成協(xié)助列車調(diào)度、物流優(yōu)化等任務(wù)。

機(jī)器人技術(shù)

羅格斯大學(xué)和代爾夫特理工大學(xué)的研究人員展示了在Loihi上運(yùn)行機(jī)器人導(dǎo)航、微型無人機(jī)控制應(yīng)用。

代爾夫特理工大學(xué)的無人機(jī)使用一個(gè)包含35個(gè)神經(jīng)元且能演進(jìn)的脈沖網(wǎng)絡(luò)進(jìn)行光流著陸(opticflowlanding),頻率超過250KHz。

羅格斯大學(xué)發(fā)現(xiàn),在同等性能下,Loihi解決方案的功耗比傳統(tǒng)移動(dòng)GPU低75倍。

Loihi還可以成功學(xué)習(xí)諸多OpenAIGym的任務(wù),精度與深度行動(dòng)者網(wǎng)絡(luò)(DeepActorNetwor)旗鼓相當(dāng),而能耗比移動(dòng)GPU解決方案低140倍。

Intel還展示了Loihi如何自適應(yīng)地控制水平跟蹤無人機(jī)平臺(tái),實(shí)現(xiàn)最高20KHz的閉環(huán)速度、200微秒的視覺處理延遲,比傳統(tǒng)方案提高1000倍。

順便一提,“Loihi”這個(gè)名字取自于夏威夷海底一座不斷噴發(fā)的活火山,每一次噴發(fā)都會(huì)擴(kuò)大夏威夷島的范圍。Intel以此命名神經(jīng)擬態(tài)芯片,就是希望它能通過不斷的自我學(xué)習(xí),可以提供更加強(qiáng)大的人工智能的能力。
責(zé)任編輯人:CC

聲明:本文內(nèi)容及配圖由入駐作者撰寫或者入駐合作網(wǎng)站授權(quán)轉(zhuǎn)載。文章觀點(diǎn)僅代表作者本人,不代表電子發(fā)燒友網(wǎng)立場(chǎng)。文章及其配圖僅供工程師學(xué)習(xí)之用,如有內(nèi)容侵權(quán)或者其他違規(guī)問題,請(qǐng)聯(lián)系本站處理。 舉報(bào)投訴
  • intel
    +關(guān)注

    關(guān)注

    19

    文章

    3478

    瀏覽量

    185656
  • loihi
    +關(guān)注

    關(guān)注

    0

    文章

    4

    瀏覽量

    2572
  • 神經(jīng)擬態(tài)
    +關(guān)注

    關(guān)注

    0

    文章

    10

    瀏覽量

    2964
收藏 人收藏

    評(píng)論

    相關(guān)推薦

    Moku人工神經(jīng)網(wǎng)絡(luò)101

    Moku3.3版更新在Moku:Pro平臺(tái)新增了全新的儀器功能【神經(jīng)網(wǎng)絡(luò)】,使用戶能夠在Moku設(shè)備上部署實(shí)時(shí)機(jī)器學(xué)習(xí)算法,進(jìn)行快速、靈活的信號(hào)分析、去噪、傳感器調(diào)節(jié)校準(zhǔn)、閉環(huán)反饋等應(yīng)用。如果您
    的頭像 發(fā)表于 11-01 08:06 ?199次閱讀
    Moku人工<b class='flag-5'>神經(jīng)</b>網(wǎng)絡(luò)101

    【飛凌嵌入式OK3576-C開發(fā)板體驗(yàn)】RKNN神經(jīng)網(wǎng)絡(luò)算法開發(fā)環(huán)境搭建

    的軟件包管理系統(tǒng)和環(huán)境管理系統(tǒng),主要用于安裝、更新、刪除軟件包及其依賴關(guān)系,并允許用戶在不同環(huán)境之間輕松切換。用于后續(xù)安裝Python等插件。在深度神經(jīng)算法中使用的頻率非常高的一款軟件。 3.2
    發(fā)表于 10-10 09:28

    使用TensorFlow進(jìn)行神經(jīng)網(wǎng)絡(luò)模型更新

    使用TensorFlow進(jìn)行神經(jīng)網(wǎng)絡(luò)模型的更新是一個(gè)涉及多個(gè)步驟的過程,包括模型定義、訓(xùn)練、評(píng)估以及根據(jù)新數(shù)據(jù)或需求進(jìn)行模型微調(diào)(Fine-tuning)或重新訓(xùn)練。下面我將詳細(xì)闡述這個(gè)過程,并附上相應(yīng)的TensorFlow代碼示例。
    的頭像 發(fā)表于 07-12 11:51 ?311次閱讀

    bp神經(jīng)網(wǎng)絡(luò)算法過程包括

    網(wǎng)絡(luò)的算法過程,包括網(wǎng)絡(luò)結(jié)構(gòu)、激活函數(shù)、訓(xùn)練過程、反向傳播算法、權(quán)重更新策略等。 網(wǎng)絡(luò)結(jié)構(gòu) BP神經(jīng)網(wǎng)絡(luò)由輸入層、隱藏層和輸出層組成,每層包含若干神經(jīng)元。輸入層的神經(jīng)元數(shù)量與問題的特征
    的頭像 發(fā)表于 07-04 09:45 ?320次閱讀

    反向傳播神經(jīng)網(wǎng)絡(luò)和bp神經(jīng)網(wǎng)絡(luò)的區(qū)別

    神經(jīng)網(wǎng)絡(luò)在許多領(lǐng)域都有廣泛的應(yīng)用,如語音識(shí)別、圖像識(shí)別、自然語言處理等。然而,BP神經(jīng)網(wǎng)絡(luò)也存在一些問題,如容易陷入局部最優(yōu)解、訓(xùn)練時(shí)間長、對(duì)初始權(quán)重敏感等。為了解決這些問題,研究者們提出了一些改進(jìn)的BP
    的頭像 發(fā)表于 07-03 11:00 ?603次閱讀

    bp神經(jīng)網(wǎng)絡(luò)是深度神經(jīng)網(wǎng)絡(luò)嗎

    Network)有相似之處,但它們之間還是存在一些關(guān)鍵的區(qū)別。 一、引言 神經(jīng)網(wǎng)絡(luò)是一種模擬人腦神經(jīng)元結(jié)構(gòu)的計(jì)算模型,它由大量的神經(jīng)元(或稱為節(jié)點(diǎn))組成,這些神經(jīng)元通過權(quán)重連接在一起
    的頭像 發(fā)表于 07-03 10:14 ?596次閱讀

    BP神經(jīng)網(wǎng)絡(luò)算法的基本流程包括

    、自然語言處理等。本文將詳細(xì)介紹BP神經(jīng)網(wǎng)絡(luò)算法的基本流程,包括網(wǎng)絡(luò)結(jié)構(gòu)、激活函數(shù)、前向傳播、反向傳播、權(quán)重更新和訓(xùn)練過程等。 網(wǎng)絡(luò)結(jié)構(gòu) BP神經(jīng)網(wǎng)絡(luò)由輸入層、隱藏層和輸出層組成。輸入層接收外部輸入信號(hào),隱藏層對(duì)輸入信號(hào)進(jìn)行非線
    的頭像 發(fā)表于 07-03 09:52 ?379次閱讀

    神經(jīng)元與神經(jīng)網(wǎng)絡(luò)的區(qū)別與聯(lián)系

    在人工智能和機(jī)器學(xué)習(xí)的領(lǐng)域中,神經(jīng)元和神經(jīng)網(wǎng)絡(luò)是兩個(gè)至關(guān)重要的概念。雖然它們都與人腦中的神經(jīng)系統(tǒng)有著密切的聯(lián)系,但在實(shí)際應(yīng)用和理論研究中,它們各自扮演著不同的角色。本文旨在深入探討
    的頭像 發(fā)表于 07-01 11:50 ?761次閱讀

    神經(jīng)擬態(tài)計(jì)算是如何降耗的

    自計(jì)算機(jī)問世以來,運(yùn)算效能與能耗消耗兩大議題始終困擾著計(jì)算產(chǎn)業(yè)。在人工智能崛起的背景下,全球各地科研機(jī)構(gòu)及相關(guān)公司積極探索提高處理器算力的新方法,神經(jīng)擬態(tài)處理器即是一種創(chuàng)新嘗試。
    的頭像 發(fā)表于 06-07 15:35 ?640次閱讀

    高魯棒性植入式神經(jīng)電極界面,用于神經(jīng)元電活動(dòng)的長期追蹤記錄

    植入式神經(jīng)電極技術(shù)的發(fā)展已成為神經(jīng)環(huán)路精準(zhǔn)解析過程中的關(guān)鍵研究工具。然而,長期穩(wěn)定的神經(jīng)電極界面在活體水平的應(yīng)用上仍面臨挑戰(zhàn)。
    的頭像 發(fā)表于 05-21 09:11 ?447次閱讀
    高魯棒性植入式<b class='flag-5'>神經(jīng)</b>電極界面,用于<b class='flag-5'>神經(jīng)</b>元電活動(dòng)的長期追蹤記錄

    英特爾發(fā)布新一代神經(jīng)擬態(tài)系統(tǒng)Hala Point,11.5億神經(jīng)元,12倍性能提升

    基于英特爾Loihi 2神經(jīng)擬態(tài)處理器打造而成,旨在支持類腦AI領(lǐng)域的前沿研究,解決AI目前在效率和可持續(xù)性等方面的挑戰(zhàn)。在英特爾第一代大規(guī)模研究
    的頭像 發(fā)表于 04-19 09:43 ?456次閱讀
    英特爾發(fā)布新一代<b class='flag-5'>神經(jīng)</b><b class='flag-5'>擬態(tài)</b>系統(tǒng)Hala Point,11.5億<b class='flag-5'>神經(jīng)</b>元,12倍性能提升

    英特爾攜手桑迪亞構(gòu)建全球最龐大神經(jīng)形態(tài)系統(tǒng)

    英特爾Loihi 2神經(jīng)形態(tài)芯片體積微小,采用Intel 4工藝制造(除Meteor Lake外,目前唯一使用該工藝的芯片),面積僅31平方毫米,包含23億個(gè)晶體管。
    的頭像 發(fā)表于 04-18 15:17 ?286次閱讀

    特斯拉FSD v12.3更新搭載全新神經(jīng)網(wǎng)絡(luò),實(shí)現(xiàn)重大突破

    根據(jù)之前Teslascope提供的信息分析,此更新的受惠范圍廣泛,覆蓋了美國具備FSD Beta測(cè)試資格的全部特斯拉車型。僅有的官方更新說明極其簡(jiǎn)短,僅提及“FSD Beta v12提高了城市街道駕駛功能,建立了單一端對(duì)端的神經(jīng)
    的頭像 發(fā)表于 03-19 10:57 ?782次閱讀

    通用CPU性能基準(zhǔn)測(cè)試的研究現(xiàn)狀

    經(jīng)過持續(xù)迭代升級(jí),TPC已發(fā)展成為能夠滿足多種應(yīng)用場(chǎng)景性能測(cè)試需求的基準(zhǔn)測(cè)試簇,根據(jù)測(cè)試場(chǎng)景和測(cè)試事務(wù)的不同,可將 TPC性能基準(zhǔn)測(cè)試分為三類。
    發(fā)表于 02-20 10:22 ?618次閱讀
    通用CPU性能<b class='flag-5'>基準(zhǔn)</b>測(cè)試的<b class='flag-5'>研究</b>現(xiàn)狀

    基于微流控技術(shù)的微納米馬達(dá)用于遞送神經(jīng)干細(xì)胞和恢復(fù)神經(jīng)連通性

    神經(jīng)干細(xì)胞具有自我更新、分化和環(huán)境調(diào)節(jié)的能力,干細(xì)胞治療有望為神經(jīng)損傷提供一種治療手段。然而,該治療手段目前在細(xì)胞植入精度和神經(jīng)元連接恢復(fù)等方面仍受到限制。
    的頭像 發(fā)表于 12-27 09:59 ?673次閱讀
    基于微流控技術(shù)的微納米馬達(dá)用于遞送<b class='flag-5'>神經(jīng)</b>干細(xì)胞和恢復(fù)<b class='flag-5'>神經(jīng)</b>連通性