大数据文摘出品
编译：黎枫、林安安、Aileen
看过《三体》的小伙伴或许都知道，4位面壁人作为人类最后的希望，苦苦寻找对抗三体世界的方法。
其中一位面壁人比尔·西恩斯试图以计算机模拟人脑的运行来提高人类智力，但是因为知晓基础科学被锁死，模拟人脑无法实现，最后实际是想给地球人打上“思想钢印”，从而让人类逃出地球，保留火种。
然而，现实世界中，用计算机模拟人脑的尝试，并没有被“锁死”，反而一直在进行。
最近，英特尔计划推出一款代号为“Pohoiki Beach”的全新神经拟态系统，该系统具有800万个神经元，由64个Loihi研究芯片组成，采用一种与人脑工作方式十分接近的设计架构。
Pohoiki Beach处理算法的速度是普通CPU的1000倍，效率是普通CPU的10000倍。接下来，英特尔计划于2019年底推出含768颗芯片、1亿个神经元的系统。
英特尔神经科学研究主管Mike Davies说：“英特尔及其研究合作伙伴菜刚刚开始测试像Pohoiki Beach这样的大型神经系统可以做什么，目前为止，所有的实验证据都表明Pohoiki Beach将具有强大的性能，能更大地提高算法效率。”
英特尔Nahuku基板的特写镜头，每块基板包含8到32个英特尔Loihi神经拟态芯片。英特尔最新的神经拟态系统Pohoiki Beach由多块Nahuku基板组成，每块基板包含64个Loihi芯片。
从1个Loihi芯片到64个Loihi芯片，这更像是软件问题而不是硬件问题。Davies说：“我们从设计之初就在Loihi芯片中设计了可扩展性。每个Loihi芯片有一个分层的路由接口…，通过接口我们最多可以扩展到16,000个芯片。所以，64个芯片只是接下来的一小步而已。”
Davies说：“找到一种能在800万个神经元系统上运行良好且同时能在软件上优化的算法，是非常具有挑战性的。但是，回报也是巨大的。
模仿大脑的神经网络设计（如Loihi芯片）可以规避一些AI常见的不智能表现”。
例如，现在的神经网络都困扰于“灾难性遗忘”问题。如果你试图让一个训练好的神经网络去识别新的道路标志，简单地将网络暴露给新的图像输入势必会对网络造成严重破坏，导致网络出现识别混乱。为了避免这种情况，一般都需要从头开始重新训练网络。（DARPA的Lifelong Learning项目正致力于解决这个问题）
打个比方，假设你是篮球队教练，你偷偷将篮筐增高30厘米。刚开始，球员们可能会频繁失球，但他们很快就会找到感觉。但如果他们像现在的神经网络一样，那你就必须把他们从球场上拉下来，从运球，传球等基础技能开始全部重新训练一遍，他们才能再次适应。
Loihi芯片上能运行可以规避“灾难性遗忘”的神经网络，这意味着它可以像人类一样学习。事实上，通过与康奈尔大学 Thomas Cleland研究小组的合作，我们发现Loihi芯片可以实现one-shot learning。也就是说，仅学习一个样本就可以学到一个新的特征。康奈尔大学的研究小组通过在Loihi上运行抽象嗅觉系统模型来证明这一点。当第一次暴露在一种新的虚拟气味中时，模型就能记住并识别这种气味，并且没有忘记它识别过的其他所有气味。
在Loihi芯片上还能运行特征提取算法，如今的图像识别系统容易受各种对抗性攻击的影响，特征提取算法没有这种困扰。传统的神经网络并不能像人脑一样真正理解从图像中提取到的特征。Davies说：“使用简单的攻击手段它们就会上当受骗，例如修改个别像素点的值或添加纯噪声图像，而人类可以很轻松地识别这些把戏。”但是，在Loihi上运行的稀疏编码算法可以更真实的模拟人类视觉系统，不会受到这种恶作剧的干扰。（虽然，其实人类视觉有时也会被骗…）
研究人员正在使用Loihi芯片来改进机器人系统的实时控制能力。在上周举办的Telluride神经形态认知工程研讨会上，研究人员表示他们正在尝试使用基于Loihi芯片的系统来控制一场桌上足球赛。Davies说：“听起来可能有点不可思议，但这可以很好的展示神经拟态技术。它需要足够快的速度，能够快速响应，快速做出规划和判断。这就是神经芯片所擅长的。”
来源：https://blog.csdn.net/BigDataDigest/article/details/98735471