英特爾開發(fā)的Pohoiki Springs神經(jīng)擬態(tài)系統(tǒng)將提供1億個神經(jīng)元

今天，英特爾宣布其最強大的最新神經(jīng)擬態(tài)研究系統(tǒng)Pohoiki Springs已準備就緒，將提供1億個神經(jīng)元的計算能力。英特爾將向英特爾神經(jīng)擬態(tài)研究社區(qū)（INRC）的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(fù)雜的問題。

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(gòu)（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。”

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(wù)器大小的機箱中。

圖注：數(shù)據(jù)中心機架式系統(tǒng)Pohoiki Springs(資料來源: Tim Herman/英特爾公司)

Loihi處理器的設(shè)計思路來源于人腦。與大腦一樣，Loihi能用比傳統(tǒng)處理器快1,000倍的速度和高10,000倍的效率處理特定要求的工作負載。Pohoiki Springs是擴展Loihi架構(gòu)的下一步，可用于評估其解決AI問題以及一系列計算難題的潛力。英特爾研究人員認為，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。

在自然界中，即使是一些最小的生物也能解決極為困難的計算問題。例如，盡管很多昆蟲大腦的神經(jīng)元數(shù)目遠低于100萬個，但它們卻能實時視覺跟蹤物體、導航和躲避障礙物。同樣，英特爾最小的神經(jīng)擬態(tài)系統(tǒng)Kapoho Bay由兩個具有262,000個神經(jīng)元的Loihi芯片組成，支持各種實時邊緣工作負載。英特爾和INRC研究人員展示了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，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。

Pohoiki Springs擁有1億個神經(jīng)元，它將Loihi的神經(jīng)容量增加到一個小型哺乳動物大腦的大小，這是在向支持更大、更復(fù)雜的神經(jīng)擬態(tài)工作負載的道路上邁出的重要一步。該系統(tǒng)為需要實時、動態(tài)的數(shù)據(jù)處理新方法的自主、互聯(lián)的未來奠定了基礎(chǔ)。

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(shè)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(yīng)和學習。INRC成員將使用英特爾Nx SDK和社區(qū)貢獻的軟件組件，通過云訪問在Pohoiki Springs上構(gòu)建應(yīng)用程序。

目前正為Loihi開發(fā)的前景極佳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(diào)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(jié)構(gòu)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(gòu)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(yīng)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。

關(guān)于神經(jīng)擬態(tài)計算：傳統(tǒng)的CPU和GPU等通用處理器特別擅長人類難以完成的任務(wù)，如高精度的數(shù)學計算。但隨著技術(shù)的作用和應(yīng)用范圍都在不斷擴大，從自動化到人工智能，以及其他更多領(lǐng)域，越來越要求計算機的操作模式趨向于人類，以便實時處理非結(jié)構(gòu)化和有噪聲的數(shù)據(jù)，并不斷地適應(yīng)變化。為應(yīng)對這一挑戰(zhàn)，新的專用架構(gòu)應(yīng)運而生。

神經(jīng)擬態(tài)計算是對計算機架構(gòu)自下而上的徹底顛覆。其目標是應(yīng)用神經(jīng)科學的最新見解，來創(chuàng)造作用方式更類似于人腦的芯片而非傳統(tǒng)計算機的芯片。神經(jīng)擬態(tài)系統(tǒng)在硬件層面上復(fù)制了神經(jīng)元組織、通信和學習方式。英特爾認為Loihi和未來的神經(jīng)擬態(tài)處理器將定義一種新的可編程計算模式，可滿足世界對普及型智能設(shè)備日益增長的需求。