英特尔实验室的大脑启发式人工智能方法是机器人学习的未来吗？

无法参加 Transform 2022？立即在我们的点播库中查看所有峰会会议！看这里。

计算机系统能否发展到可以创造性地思考、识别他们以前从未见过的人或事物并做出相应调整的程度，同时还能更高效地工作，同时使用更少的功率？英特尔实验室正在押注它，通过使用神经形态计算的新硬件和软件方法，根据最近的一篇博客文章，“使用新的算法方法来模拟人脑与世界的交互方式，以提供更接近人类认知的能力” . ”

虽然听起来很有未来感，但英特尔的神经形态计算研究已经在培育一些有趣的用例，包括如何为梅赛德斯-奔驰汽车添加新的语音交互命令；创造一个机械手，为病人送药；或开发识别危险化学品的芯片。

自动驾驶汽车、机器人、无人机和其他自主技术等基于机器学习的系统依赖于更小、更强大、更节能的处理芯片。尽管传统半导体现在已达到小型化和功率容量的极限，但专家们坚信需要一种新的半导体设计方法。

激发科技公司好奇心的一个有趣的选择是神经形态计算。据 Gartner 称，到 2025 年，基于传统半导体架构的传统计算技术将撞上数字墙。这将迫使新范式发生变化，例如模仿大脑和神经系统物理的神经形态计算。人类使用尖峰神经网络 (SNN) )——也就是说，单个电子神经元的尖峰会激活级联链中的其他神经元。

元节拍 2022

MetaBeat 将于 10 月 4 日在加利福尼亚州旧金山汇聚思想领袖，就元界技术将如何改变所有行业的沟通和开展业务的方式提出建议。

慕尼黑英特尔实验室的研究科学家 Yulia Sandamirskaya 通过电子邮件告诉 VentureBeat，神经形态计算将实现快速视觉和低功耗运动规划。 “这些是使安全和敏捷的机器人能够在动态的现实环境中将其动作指向对象的主要瓶颈。”

此外，神经形态计算“扩展了基于神经网络的算法的空间，”她解释道。通过将内存和计算共同定位在单个芯片中，它可以实现高能效的信号处理，并实现连续、连续的片上学习。

随着人工智能空间变得越来越复杂，单一的解决方案无法以最佳方式解决计算人工智能范围内每个环境的独特限制。

“神经形态计算可以通过显着提高从数据中心到极端应用程序等更复杂 AI 用例的功率和数据效率，为传统 AI 加速器提供引人注目的替代方案，”Sandamirskaya 说。

神经形态计算与大脑如何传输和接收来自生物神经元的信号非常相似，这些信号触发或识别我们身体的运动和感觉。然而，与系统以严格的二进制术语编排计算的传统方法相比，神经形态芯片的计算更加灵活和广泛。此外，通过不断地重新映射神经网络，SNN 模仿自然学习，允许神经形态架构根据随着时间的推移学习的模式做出决策。