美研發(fā)類似人腦小型芯片 或?qū)⑹篃o人機(jī)會(huì)思考

　　外媒稱，五角大樓將提供資金，以研發(fā)一種小型芯片。這種芯片不僅有著類似人類大腦的人工智能，而且它很小，可以安裝到大量移動(dòng)設(shè)備上。

　　英國(guó)《每日郵報(bào)》網(wǎng)站2月8日發(fā)表題為《會(huì)像人類那樣思考的無人機(jī)可能出現(xiàn)在戰(zhàn)區(qū)》的文章稱，這種手掌大小的處理器叫做Eyeriss。它有著令人吃驚的168個(gè)內(nèi)核，并基于“神經(jīng)網(wǎng)絡(luò)”來工作。它的“神經(jīng)網(wǎng)絡(luò)”是在模擬人類大腦的基礎(chǔ)上建成的。

　　過去很多智能手機(jī)上使用的處理芯片通常只有4個(gè)內(nèi)核。

　　這一技術(shù)可能以無人機(jī)或機(jī)器人的形式用于戰(zhàn)場(chǎng)。這樣，無人機(jī)或機(jī)器人可以進(jìn)行實(shí)時(shí)學(xué)習(xí)，而無需借助人類的分析。

　　例如，裝有Eyeriss的無人機(jī)一旦發(fā)現(xiàn)了目標(biāo)，它就可以提醒駐扎在地面上的軍人。

　　這樣，無人機(jī)將比監(jiān)視圖像的人類更高效。在現(xiàn)代戰(zhàn)爭(zhēng)中，這是一種令人滿意的技術(shù)。

　　這款芯片是美國(guó)麻省理工學(xué)院、國(guó)防部高級(jí)研究項(xiàng)目局和顯卡企業(yè)英偉達(dá)公司聯(lián)合研發(fā)的。

　　神經(jīng)網(wǎng)絡(luò)通常是用圖形處理單元(GPU)制成的。所有帶屏幕的電腦裝置都有GPU。

　　這些類似大腦的人工智能系統(tǒng)要依賴大型的多核圖形處理器來工作。因此，將神經(jīng)網(wǎng)絡(luò)用于移動(dòng)設(shè)備是不現(xiàn)實(shí)的。

　　在這項(xiàng)最新突破中，科學(xué)家首次設(shè)法將神經(jīng)網(wǎng)絡(luò)縮小，這樣它將使用較少電力，并能裝到較小的設(shè)備中去。

　　麻省理工學(xué)院的研究人員說，Eyeriss的效率是一個(gè)移動(dòng)GPU效率的10倍，因此它可以讓智能手機(jī)和平板電腦在本地運(yùn)行強(qiáng)有力的人工智能算法，而不必將數(shù)據(jù)上載到云中進(jìn)行處理。

　　該技術(shù)將有助于加快應(yīng)用軟件的速度，因?yàn)檫@種芯片有自己的記憶。這種技術(shù)還會(huì)讓工作量保持在最少水平。這意味著，你未來的掌上設(shè)備不會(huì)太倚重互聯(lián)網(wǎng)。

　　麻省理工學(xué)院電氣工程和計(jì)算機(jī)科學(xué)系教授薇薇恩·塞說：“對(duì)很多應(yīng)用來說，物體識(shí)別、演說和人臉檢測(cè)等深度學(xué)習(xí)是有用的。”塞的團(tuán)隊(duì)研發(fā)了這種新芯片。

　　塞說：“目前，神經(jīng)網(wǎng)絡(luò)非常復(fù)雜，并且大多數(shù)要在大功率的GPU上運(yùn)行。”

　　塞說：“你可以想象，如果你的手機(jī)使用了這項(xiàng)技術(shù)，那么在沒有無線網(wǎng)絡(luò)連接的情況下，你的手機(jī)依然能運(yùn)作。”

　　多年來，工程師們一直在研發(fā)模仿人類心智的“深度神經(jīng)網(wǎng)絡(luò)”。最近，谷歌讓公眾了解了它在該領(lǐng)域的研究，因?yàn)樗瞥隽巳斯ぶ悄軐W(xué)習(xí)系統(tǒng)TensorFlow。

　　機(jī)器學(xué)習(xí)和人工智能正被用來讓搜索變得更加準(zhǔn)確。谷歌希望，通過推出TensorFlow，這種軟件將變得更先進(jìn)和更普遍。

　　去年，谷歌還公布了一套圖片來幫助解釋它的系統(tǒng)如何隨著時(shí)間的推移而進(jìn)行學(xué)習(xí)。谷歌展示了該系統(tǒng)如何學(xué)習(xí)，以及出錯(cuò)的時(shí)候會(huì)發(fā)生什么情況。

　　研究人員將一張圖輸入相關(guān)神經(jīng)網(wǎng)絡(luò)，并讓它指明它認(rèn)識(shí)的一些動(dòng)物，從而制造了上述的圖片。

　　谷歌培訓(xùn)人工神經(jīng)網(wǎng)絡(luò)的方法是，向該神經(jīng)網(wǎng)絡(luò)出示數(shù)百萬個(gè)樣例，并逐步調(diào)整該網(wǎng)絡(luò)的各項(xiàng)參數(shù)，直到它給出研究人員想要的類別。