今天，英特爾分享了英特爾神經(jīng)擬態(tài)研究社區(qū)（INRC）的最新進(jìn)展。該社區(qū)自2018年成立以來發(fā)展迅速，現(xiàn)已擁有100多名成員。英特爾今天宣布，聯(lián)想、羅技、梅賽德斯-奔馳和機(jī)器視覺傳感器公司Prophesee加入INRC，共同探索神經(jīng)擬態(tài)計算在商業(yè)用例上的價值。此外，得益于英特爾神經(jīng)擬態(tài)研究測試芯片Loihi的計算能力，英特爾還概括介紹了英特爾神經(jīng)擬態(tài)研究社區(qū)更多的研究成果。

英特爾神經(jīng)擬態(tài)計算實驗室總監(jiān)Mike Davies 表示：“短短兩年時間里，我們已經(jīng)形成了一個充滿活力的社區(qū)，其中包括來自世界各地的數(shù)百名研究人員，神經(jīng)擬態(tài)計算在計算效率、速度和智能功能方面帶來數(shù)量級提升的潛力讓他們深受鼓舞。我們第一次看到有越來越多證明這種潛力的場景出現(xiàn)。我們計劃與英特爾神經(jīng)擬態(tài)研究社區(qū)的合作伙伴一起，在收獲的洞察基礎(chǔ)上，讓這一新生技術(shù)實現(xiàn)廣泛和顛覆性的商業(yè)應(yīng)用?！?/p>

英特爾之所以創(chuàng)建英特爾神經(jīng)擬態(tài)研究社區(qū)，是因為我們認(rèn)為沒有任何公司能夠憑借一己之力有效釋放神經(jīng)擬態(tài)計算的全部潛力。通過與學(xué)術(shù)界、產(chǎn)業(yè)界和政府領(lǐng)域的一些知名研究人員進(jìn)行合作，英特爾致力于解決神經(jīng)擬態(tài)計算發(fā)展中的挑戰(zhàn)，并在未來幾年內(nèi)將其從研究原型發(fā)展為能夠引領(lǐng)產(chǎn)業(yè)的產(chǎn)品。

英特爾及其合作伙伴已經(jīng)展示了在現(xiàn)實世界邊緣用例中所實現(xiàn)的數(shù)量級提升，并且看到了在擴(kuò)展工作負(fù)載之后，解決更大的計算問題所取得的早期進(jìn)展。隨著神經(jīng)擬態(tài)計算的不斷發(fā)展，英特爾和英特爾神經(jīng)擬態(tài)研究社區(qū)還發(fā)現(xiàn)了神經(jīng)擬態(tài)技術(shù)在現(xiàn)實世界中的各種潛在用例，例如：支持更高效且能夠自適應(yīng)的機(jī)器人技術(shù)；在大型數(shù)據(jù)庫中快速搜索相似的內(nèi)容；讓邊緣設(shè)備能夠?qū)崟r做出復(fù)雜規(guī)劃和優(yōu)化決策等。聯(lián)想、羅技、梅賽德斯-奔馳和Prophesee的加入，以及英特爾神經(jīng)擬態(tài)研究社區(qū)中現(xiàn)有的《財富》世界500強(qiáng)企業(yè)和政府實驗室，證明神經(jīng)擬態(tài)技術(shù)正在穩(wěn)步成熟，將從學(xué)術(shù)實驗室逐步走向產(chǎn)業(yè)應(yīng)用。

通過對英特爾神經(jīng)擬態(tài)系統(tǒng)上的應(yīng)用進(jìn)行持續(xù)開發(fā)、原型設(shè)計和測試，英特爾和英特爾神經(jīng)擬態(tài)研究社區(qū)成員獲得了越來越多的成果，并顯示在各種工作負(fù)載中神經(jīng)擬態(tài)計算都能帶來性能的一致性提升。現(xiàn)有的研究結(jié)果——例如模仿人類嗅覺系統(tǒng)、將基于事件的觸感引入機(jī)器人，結(jié)合英特爾研究院開放日上所介紹的新基準(zhǔn)，勾勒出一副新的圖景，即：神經(jīng)擬態(tài)計算非常適合新興的、具有商業(yè)相關(guān)性的仿生智能負(fù)載。

英特爾研究院開放日重點(diǎn)介紹的基準(zhǔn)更新包括：

語音命令識別：埃森哲測試了在英特爾Loihi芯片上識別語音命令的能力和在標(biāo)準(zhǔn)圖形處理單元（GPU）上識別語音命令的能力，發(fā)現(xiàn)Loihi不僅達(dá)到了和GPU類似的精度，而且能效提高1000倍以上、響應(yīng)速度快200毫秒。通過英特爾神經(jīng)擬態(tài)研究社區(qū)，梅塞德斯-奔馳正在探索如何將這些結(jié)果應(yīng)用到現(xiàn)實用例中，例如在汽車中加入新的語音交互命令。

手勢識別：傳統(tǒng)的AI可以很好地處理大數(shù)據(jù)并識別成千上萬個案例的模式，但它很難識別人與人之間細(xì)微的差異——比如我們用于交流的手勢。埃森哲和英特爾神經(jīng)擬態(tài)研究社區(qū)合作伙伴展示了Loihi在快速學(xué)習(xí)和識別個性化手勢方面取得的切實進(jìn)展。通過處理來自神經(jīng)擬態(tài)相機(jī)的信息，只需幾次曝光Loihi即可學(xué)習(xí)新手勢。這可以應(yīng)用于各種用例，例如與家庭中的智能產(chǎn)品進(jìn)行交互或在公共場所的非接觸式顯示。

圖像檢索：零售行業(yè)的研究人員評估了Loihi對基于圖像的產(chǎn)品搜索應(yīng)用。他們發(fā)現(xiàn)，在保持相同精度水平的情況下，Loihi生成圖像特征向量的效率比傳統(tǒng)的中央處理單元（CPU）和GPU解決方案提升三倍多。這一結(jié)果是對英特爾今年早些時候發(fā)布的神經(jīng)擬態(tài)研究系統(tǒng)Pohoiki Springs的相似度搜索結(jié)果的補(bǔ)充，表明Loihi在百萬幅圖像數(shù)據(jù)庫中搜索特征向量的速度比CPU快24倍，且能耗低30倍。

優(yōu)化和搜索：英特爾及其合作伙伴發(fā)現(xiàn)，Loihi解決優(yōu)化和搜索問題的效率比傳統(tǒng)CPU高1000倍、速度快100倍。優(yōu)化問題，如約束滿足可以在邊緣端提供潛在價值，例如：讓無人機(jī)能夠?qū)崟r規(guī)劃并做出復(fù)雜的導(dǎo)航?jīng)Q策。同樣的問題類型也可以擴(kuò)展到復(fù)雜的數(shù)據(jù)中心負(fù)載，完成協(xié)助列車調(diào)度和物流優(yōu)化等任務(wù)。

機(jī)器人技術(shù)：羅格斯大學(xué)和代爾夫特理工大學(xué)的研究人員展示了在Loihi上運(yùn)行機(jī)器人導(dǎo)航以及微型無人機(jī)控制應(yīng)用的演示。代爾夫特理工大學(xué)的無人機(jī)使用一個包含35個神經(jīng)元，并且能演進(jìn)的脈沖網(wǎng)絡(luò)進(jìn)行光流著陸（optic flow landing），頻率超過250千赫茲。羅格斯大學(xué)發(fā)現(xiàn)，其Loihi解決方案所需的功耗比傳統(tǒng)移動GPU低75倍，而性能卻沒有任何下降。在11月于2020機(jī)器人學(xué)習(xí)大會上發(fā)布的報告中，羅格斯大學(xué)的研究人員發(fā)現(xiàn)Loihi可以成功學(xué)習(xí)諸多OpenAI Gym的任務(wù)，其精度與深度行動者網(wǎng)絡(luò)（Deep Actor Network）旗鼓相當(dāng)，而能耗卻比移動GPU解決方案降低了140倍。

此外，英特爾及其合作伙伴在英特爾研究院開放日活動上還展示了兩個使用最先進(jìn)技術(shù)的神經(jīng)擬態(tài)機(jī)器人演示。與蘇黎世聯(lián)邦理工學(xué)院的研究人員合作，英特爾展示了Loihi如何自適應(yīng)地控制水平跟蹤無人機(jī)平臺，實現(xiàn)最高可達(dá)20千赫茲的閉環(huán)速度以及200微秒的視覺處理延遲。與傳統(tǒng)解決方案相比，這意味著效率和速度都提高了1000倍。為了解決神經(jīng)擬態(tài)軟件集成問題，英特爾和意大利理工學(xué)院（IIT）的研究人員在IIT的iCub機(jī)器人平臺上演示了多種認(rèn)知功能在Loihi上運(yùn)行，其中包括基于快速、小樣本學(xué)習(xí)(few-shot learning)的物體識別，對學(xué)習(xí)對象的空間感知，以及對人類互動的實時決策。

隨著英特爾神經(jīng)擬態(tài)研究社區(qū)的發(fā)展，英特爾將繼續(xù)對這個獨(dú)特的生態(tài)系統(tǒng)，并與成員合作以提供技術(shù)支持，探索神經(jīng)擬態(tài)計算可以在哪些方面解決現(xiàn)實中的各種問題。此外，英特爾將繼續(xù)從英特爾神經(jīng)擬態(tài)研究社區(qū)汲取經(jīng)驗，并將其運(yùn)用于公司即將發(fā)布的下一代神經(jīng)擬態(tài)研究芯片的研發(fā)中。

關(guān)于英特爾神經(jīng)擬態(tài)研究社區(qū)：英特爾神經(jīng)擬態(tài)研究社區(qū)是一個由世界各地的學(xué)術(shù)團(tuán)體、政府實驗室、研究機(jī)構(gòu)和公司組成的生態(tài)系統(tǒng)，它們與英特爾合作，進(jìn)一步推動神經(jīng)擬態(tài)計算并開發(fā)創(chuàng)新的人工智能應(yīng)用。有興趣參加INRC并為Loihi開發(fā)產(chǎn)品技術(shù)的研究人員可以訪問英特爾神經(jīng)擬態(tài)研究社區(qū)網(wǎng)站。當(dāng)前成員列表也可以在該網(wǎng)站上查看。

fqj