Ist der vom Gehirn inspirierte KI-Ansatz von Intel Labs die Zukunft des Roboterlernens?
Sie konnten nicht an der Transform 2022 teilnehmen? Sehen Sie sich jetzt alle Summit-Sessions in unserer On-Demand-Bibliothek an! Schau mal hier.
Können Computersysteme bis zu einem Punkt wachsen, an dem sie kreativ denken, Personen oder Dinge identifizieren können, die sie noch nie zuvor gesehen haben, und sich entsprechend anpassen können, während sie gleichzeitig effizienter und mit weniger Strom arbeiten? Intel Labs setzt darauf mit einem neuen Hardware- und Software-Ansatz unter Verwendung von neuromorphem Computing, der laut einem kürzlich erschienenen Blogbeitrag „neue algorithmische Ansätze verwendet, die nachahmen, wie das menschliche Gehirn mit der Welt interagiert, um Fähigkeiten bereitzustellen, die der menschlichen Wahrnehmung näher kommen“. . ”
Obwohl es futuristisch klingen mag, fördert die neuromorphe Computerforschung von Intel bereits einige interessante Anwendungsfälle, darunter das Hinzufügen neuer Sprachinteraktionsbefehle zu Mercedes-Benz-Fahrzeugen; Erstellen Sie eine Roboterhand, die Patienten Medikamente verabreicht. oder entwickeln Sie Chips, die gefährliche Chemikalien erkennen.
Ein neuer Ansatz für KapazitätsgrenzenAuf maschinellem Lernen basierende Systeme wie selbstfahrende Autos, Robotik, Drohnen und andere autonome Technologien sind auf immer kleinere, leistungsfähigere und energieeffizientere Verarbeitungschips angewiesen. Obwohl traditionelle Halbleiter jetzt an ihre Grenzen der Miniaturisierung und Leistungskapazität stoßen, sind Experten davon überzeugt, dass ein neuer Ansatz für das Halbleiterdesign erforderlich ist.
Eine faszinierende Option, die die Neugier von Technologieunternehmen geweckt hat, ist das neuromorphe Computing. Laut Gartner werden traditionelle Computertechnologien, die auf veralteter Halbleiterarchitektur basieren, bis 2025 an eine digitale Wand stoßen ) – das heißt, die Spitzen einzelner elektronischer Neuronen aktivieren andere Neuronen in einer kaskadierenden Kette.
VorfallMetaBeat 2022
MetaBeat wird am 4. Oktober in San Francisco, CA, Vordenker zusammenbringen, um darüber zu beraten, wie die Metaverse-Technologie die Art und Weise verändern wird, wie alle Branchen kommunizieren und Geschäfte machen.
hier registrierenNeuromorphic Computing wird schnelles Sehen und energiesparende Bewegungsplanung ermöglichen, sagte Yulia Sandamirskaya, eine Forschungswissenschaftlerin bei Intel Labs in München, gegenüber VentureBeat per E-Mail. "Dies sind die Hauptengpässe, um sichere und agile Roboter zu ermöglichen, ihre Aktionen auf Objekte in dynamischen realen Umgebungen zu richten."
Darüber hinaus erweitert das neuromorphe Computing „den Raum der auf neuronalen Netzwerken basierenden Algorithmen“, erklärte sie. Durch die gemeinsame Unterbringung von Speicher und Berechnung auf einem einzigen Chip ermöglicht es eine energieeffiziente Signalverarbeitung und ermöglicht kontinuierliches, kontinuierliches On-Chip-Lernen.
Eine Größe passt nicht für alle im KI-ComputingDa der KI-Raum immer komplexer wird, kann eine einzelne Lösung die einzigartigen Einschränkungen jeder Umgebung im gesamten Spektrum der rechnergestützten KI nicht optimal berücksichtigen.
"Neuromorphic Computing könnte eine überzeugende Alternative zu herkömmlichen KI-Beschleunigern bieten, indem es die Leistungs- und Dateneffizienz für komplexere KI-Anwendungsfälle, die von Rechenzentren bis hin zu extremen Anwendungen reichen, dramatisch verbessert", sagte Sandamirskaya.
Neuromorphic Computing ist ziemlich ähnlich wie das Gehirn Signale von biologischen Neuronen sendet und empfängt, die Bewegungen und Empfindungen in unserem Körper auslösen oder identifizieren. Im Vergleich zu herkömmlichen Ansätzen, bei denen Systeme die Berechnung streng binär orchestrieren, berechnen neuromorphe Chips flexibler und umfassender. Darüber hinaus ahmen SNNs durch die ständige Neuzuordnung neuronaler Netze das natürliche Lernen nach und ermöglichen es der neuromorphen Architektur, Entscheidungen als Reaktion auf Muster zu treffen, die im Laufe der Zeit gelernt wurden.
Sie konnten nicht an der Transform 2022 teilnehmen? Sehen Sie sich jetzt alle Summit-Sessions in unserer On-Demand-Bibliothek an! Schau mal hier.
Können Computersysteme bis zu einem Punkt wachsen, an dem sie kreativ denken, Personen oder Dinge identifizieren können, die sie noch nie zuvor gesehen haben, und sich entsprechend anpassen können, während sie gleichzeitig effizienter und mit weniger Strom arbeiten? Intel Labs setzt darauf mit einem neuen Hardware- und Software-Ansatz unter Verwendung von neuromorphem Computing, der laut einem kürzlich erschienenen Blogbeitrag „neue algorithmische Ansätze verwendet, die nachahmen, wie das menschliche Gehirn mit der Welt interagiert, um Fähigkeiten bereitzustellen, die der menschlichen Wahrnehmung näher kommen“. . ”
Obwohl es futuristisch klingen mag, fördert die neuromorphe Computerforschung von Intel bereits einige interessante Anwendungsfälle, darunter das Hinzufügen neuer Sprachinteraktionsbefehle zu Mercedes-Benz-Fahrzeugen; Erstellen Sie eine Roboterhand, die Patienten Medikamente verabreicht. oder entwickeln Sie Chips, die gefährliche Chemikalien erkennen.
Ein neuer Ansatz für KapazitätsgrenzenAuf maschinellem Lernen basierende Systeme wie selbstfahrende Autos, Robotik, Drohnen und andere autonome Technologien sind auf immer kleinere, leistungsfähigere und energieeffizientere Verarbeitungschips angewiesen. Obwohl traditionelle Halbleiter jetzt an ihre Grenzen der Miniaturisierung und Leistungskapazität stoßen, sind Experten davon überzeugt, dass ein neuer Ansatz für das Halbleiterdesign erforderlich ist.
Eine faszinierende Option, die die Neugier von Technologieunternehmen geweckt hat, ist das neuromorphe Computing. Laut Gartner werden traditionelle Computertechnologien, die auf veralteter Halbleiterarchitektur basieren, bis 2025 an eine digitale Wand stoßen ) – das heißt, die Spitzen einzelner elektronischer Neuronen aktivieren andere Neuronen in einer kaskadierenden Kette.
VorfallMetaBeat 2022
MetaBeat wird am 4. Oktober in San Francisco, CA, Vordenker zusammenbringen, um darüber zu beraten, wie die Metaverse-Technologie die Art und Weise verändern wird, wie alle Branchen kommunizieren und Geschäfte machen.
hier registrierenNeuromorphic Computing wird schnelles Sehen und energiesparende Bewegungsplanung ermöglichen, sagte Yulia Sandamirskaya, eine Forschungswissenschaftlerin bei Intel Labs in München, gegenüber VentureBeat per E-Mail. "Dies sind die Hauptengpässe, um sichere und agile Roboter zu ermöglichen, ihre Aktionen auf Objekte in dynamischen realen Umgebungen zu richten."
Darüber hinaus erweitert das neuromorphe Computing „den Raum der auf neuronalen Netzwerken basierenden Algorithmen“, erklärte sie. Durch die gemeinsame Unterbringung von Speicher und Berechnung auf einem einzigen Chip ermöglicht es eine energieeffiziente Signalverarbeitung und ermöglicht kontinuierliches, kontinuierliches On-Chip-Lernen.
Eine Größe passt nicht für alle im KI-ComputingDa der KI-Raum immer komplexer wird, kann eine einzelne Lösung die einzigartigen Einschränkungen jeder Umgebung im gesamten Spektrum der rechnergestützten KI nicht optimal berücksichtigen.
"Neuromorphic Computing könnte eine überzeugende Alternative zu herkömmlichen KI-Beschleunigern bieten, indem es die Leistungs- und Dateneffizienz für komplexere KI-Anwendungsfälle, die von Rechenzentren bis hin zu extremen Anwendungen reichen, dramatisch verbessert", sagte Sandamirskaya.
Neuromorphic Computing ist ziemlich ähnlich wie das Gehirn Signale von biologischen Neuronen sendet und empfängt, die Bewegungen und Empfindungen in unserem Körper auslösen oder identifizieren. Im Vergleich zu herkömmlichen Ansätzen, bei denen Systeme die Berechnung streng binär orchestrieren, berechnen neuromorphe Chips flexibler und umfassender. Darüber hinaus ahmen SNNs durch die ständige Neuzuordnung neuronaler Netze das natürliche Lernen nach und ermöglichen es der neuromorphen Architektur, Entscheidungen als Reaktion auf Muster zu treffen, die im Laufe der Zeit gelernt wurden.
What's Your Reaction?
