在今天的Intel Labs Day 2020活动上，英特尔实验室发布了多项最新成果，包括硅光、量子、隐私计算等领域，以及新的机器编程研究工具ControlFlag（利用AI检测代码bug）。

英特尔神经形态计算实验室主任、高级主任工程师Mike Davies分享了英特尔神经形态研究社区（INRC）的最新进展。这个组织自2018年成立以来发展迅速，现已拥有100多名成员。英特尔今天宣布增加联想、罗技、梅赛德斯-奔驰和Prophesee，以探索神经形态计算在业务用例中的价值。

最新的进展包括：

  • 语音命令识别：埃森哲测试了在英特尔Loihi芯片与标准图形处理单元（GPU）上识别语音命令的能力，发现Loihi不仅达到了类似的精度，而且能效提高了1000倍，响应速度提高了200毫秒。梅赛德斯-奔驰正在通过INRC探索如何将这些结果应用于现实世界的用例，例如向车辆添加新的语音交互命令。
  • 手势识别：传统的人工智能在处理大数据和识别成千上万个示例中的模式方面非常有效，但是很难学习因人而异的细微差异，例如我们用来交流的手势。埃森哲和INRC合作伙伴正在展示利用Loihi的自学习功能快速学习和识别个性化手势的切实进展。通过处理神经形态相机的输入，Loihi只需几次曝光就可以学习新手势。这可以应用于各种用例，例如与家庭中的智能产品进行交互或在公共场所中进行非接触式显示。
  • 图像检索：零售行业的研究人员对Loihi评估了基于图像的产品搜索应用程序。他们发现Loihi可以比传统的中央处理器（CPU）和GPU解决方案多三倍的能源效率来生成图像特征向量，同时保持相同的准确性。这项工作是对今年早些时候发布的英特尔Pohoiki Springs神经形态研究系统的类似搜索结果的补充，该系统表明Loihi能够在百万图像数据库中搜索特征向量的能力比CPU快24倍，并且能耗比CPU低30倍。
  • 优化和搜索：英特尔及其合作伙伴发现，Loihi可以比传统CPU效率高出1000倍，速度快100倍，可以解决优化和搜索问题。优化问题（例如约束满足）在边缘提供了潜在价值，例如使无人机能够实时计划和制定复杂的导航决策。对于复杂的数据中心工作负载，同样的问题类型也可以扩展，以协助诸如火车调度和物流优化之类的任务。
  • 机器人技术：罗格斯大学和代尔夫特理工大学的研究人员发表了在Loihi上运行的机器人导航和微无人机控制应用程序的新演示。代尔夫特理工大学（TU Delft）的无人驾驶飞机使用经过发展的35中子尖峰网络执行光流着陆，该网络的频率超过250 kHz。罗格斯发现，其Loihi解决方案所需的功耗是传统移动GPU实施的75倍，而性能却没有任何损失。在11月于2020年机器人学习大会上发布的工作中，罗格斯大学的研究人员发现Loihi可以成功地学习许多OpenAI Gym任务，其精度与深度参与者网络相当，与移动GPU解决方案相比，其能耗降低了140倍。

此外，英特尔和合作伙伴在英特尔实验室日还展示了两个最新的神经形态机器人演示。英特尔与苏黎世联邦理工学院的研究人员合作，展示了Loihi自适应地控制水平跟踪无人机平台，实现了高达20 kHz的闭环速度和200微秒的视觉处理延迟。与传统解决方案相比，这意味着综合效率和速度提高了1000倍。为了解决神经形态软件集成问题，英特尔和意大利理工学院（IIT）的研究人员展示了IIT的iCub机器人平台中在Loihi上一起运行的多个认知功能的操作。这些功能包括快速识别目标的物体识别，快速学习，对这些目标物体的空间感知以及响应人类交互的实时决策。

下一步：随着INRC的发展，英特尔将继续在这个独特的生态系统中进行投资，并与成员合作以提供技术支持，并探索神经形态计算可以在哪些方面为大大小小的问题增加现实价值。此外，英特尔将继续从INRC汲取经验教训，并将其整合到该公司下一代神经形态研究芯片的开发中，该芯片将很快推出。

本文通过Google Translate翻译自Intel官网Update on Intel’s Neuromorphic Ecosystem Growth and Progress。

内容中包含的图片若涉及版权问题，请及时与我们联系删除