首页 > 新闻 > 科技

分享到微信

打开微信,点击底部的“发现”,
使用“扫一扫”即可将网页分享至朋友圈。

中国研制 “最强大脑”

第一财经2016-09-19 19:33:00

简介:由于能耗低、速度快,“片上学习”被认为是继目前的“在线学习”之后最有市场前景、应用最广泛的机器学习的方式。

谷歌的AlphaGo在战胜韩国围棋名将李世石后名声大作。比赛时,谷歌团队必须让AlphaGo位于美国中西部的服务器通过谷歌云服务连接到韩国首尔的对局室,一旦服务器连接失败,那么AlphaGo将完全无法运转,失去“思考”的能力。

而这个痛点之一如今也许得到了解决。

在这两天举行的上海科博会上,中国类脑强人工智能初创公司西井科技提出了“片上学习”(On-ChipLearning)的概念,并宣布团队已经研制出了可以进行实际应用的“片上学习”系统Wiki。由于能耗低、速度快,“片上学习”被认为是继目前的“在线学习”之后最有市场前景、应用最广泛的机器学习的方式。

“片上学习”vs“在线学习”

从当前的全球市场来看,机器学习主要还是通过“在线学习”(On-linelearning)技术来实现提升的,即使用大规模高性能计算平台进行模型训练,然后将训练好的模型再直接部署在硬件中实现产品的优化升级。目前该技术已经广泛应用到人工智能领域,并且在视觉和大数据分析上取得了有效的突破。谷歌的AlphaGo就是“在线学习”的典型。

相比“在线学习”而言,“片上学习”又往前跨了一大步,这意味着机器学习能在硬件端直接完成,通过硬件层面的不断“自我学习”和“自我提高”,实现高效率、低功耗、可本地化处理数据、计算机小型化等好处。

西井科技CEO谭黎敏向《第一财经日报》表示:“‘片上学习’就好像学生身边时刻跟随着一位‘私教’,直接在芯片上学习就可测试训练成果,而‘在线学习’则好比学生定期去‘学校’上课,回家后做作业来测试学习效果。”

谭黎敏在现场给记者做了演示,在一万多幅不同画风的油画中随意点击几种画风,在硬件端进行“片上学习”后,计算机能在短短1秒内自动完成1000多张图片的分类。

在这期间,芯片可随时中断学习,以测试学习效果。随着芯片学习进度的推进,油画识别与分类的正确率将逐步上升,直至经过8至10秒的一段完整学习后,识别的正确率接近100%。即便是浸润艺术多年的画家也很难在如此短的时间里做出正确率如此高的判断。

这个叫做Wiki-paintings的油画库是自2014年起加州理工大学SergeyKarayev等人所收集来的画作,此后又有全球不少团队加入机器快速识别、分类的研究中,以此来检验机器学习的成果,从而推动了“片上学习”技术的发展。

摆脱冯·诺依曼架构

在科博会中央大厅西京科技的展台里,记者看到了一块黑色的一平方厘米大小的芯片。“片上学习”所有的奥秘都集中在这块小小的芯片上,它有一个听起来非常神秘的名字——“DeepSouth类脑神经元芯片”。谭黎敏告诉记者,这款芯片是全球继IBMTruenorth之后的第二颗类脑芯片。

除此之外,西井科技还展示了“西井大脑”,这是百亿神经元人脑模拟器。2012年,谷歌曾用16000片电脑处理器(CPU)搭建了10亿神经元模拟器,被命名为“谷歌大脑”。

西井科技的工作人员向记者介绍,“西井大脑”是通过世界前沿交叉学科——神经形态工程学原理搭建,整个“西井大脑”只有一台传统电脑机箱那么大,也正是这个看起来并不起眼的家伙创造连接了拥有100亿神经元的神经网格来模拟人类大脑的运行方式。它能通过使用电路去直接模拟人类的“神经元”形态,建立起神经网络中“神经元”与“神经元”之间的连接,并通过依靠这些“神经元”来处理信息,用脉冲spike来传递信息。

而两者最本质的区别在于,“西井大脑”已完全摆脱了冯·诺依曼计算机架构,使用的是电路模拟“神经元”的方法,而“谷歌大脑”却仍使用了传统计算机结构由16000片CPU堆砌而成。

冯·诺依曼理论主要核心为数字计算机的数制采用二进制,即0和1;同时,计算机是按照程序顺序执行,也就是所谓的“串联”。而真正的人脑神经元模式则为“并联”,这就是为什么人类可以同步将诸如视觉图像信息神经元、逻辑思维判断神经元与人类“自我学习”的能力等自然结合完成相关“任务”。

谭黎敏举例说,比如:当一个人面前同时出现了一本杂志与一份报纸,普通正常人会在一瞬间立即完成对杂志与报纸这两者属性的基本判断,这就是由于我们大脑内视觉图像信息神经元、逻辑思维判断神经元与人类“自我学习”的能力一瞬间“并行”作用的结果。而这与冯·诺依曼理论的“串联”有完全的不同。

有望参与“欧盟脑计划”

“未来无论是在移动智能终端、家用智能终端或是大数据专用服务器等多领域,‘片上学习’都将展现其独有且强大的优势。”已经投了西井科技三轮累计上千万人民币的十维资本合伙人张军对《第一财经日报》记者表示,“比如自动驾驶技术,目前的自动驾驶的问题在于它识别物体的精度不高,精度不高是由于处理数据的能力达不到所致。目前包括特斯拉在内的自动驾驶技术都是基于GPU的算法,GPU还是基于冯·诺依曼架构,所以效率和能耗远远不能和人脑相比。如果未来要大规模部署人工智能而且要实现低能耗,不去突破冯·诺依曼体系,是没有前途的。”

他还介绍,目前美国和欧洲都已经有类脑计划,双方各投资了100亿美元和100亿欧元在神经拟态领域进行突破。“比如IBM的Truenorth就是全球第一款百万神经元人脑芯片。”张军对《第一财经日报》记者表示,“所谓神经形态工程,就是把脑科学和芯片制造技术结合起来的混合科学。欧洲脑计划和美国脑计划都是在不久前推出的。IBM的Truenorth就是一个产品成果。但是欧洲脑计划目前还没有大规模的产品产出,西井已经有产品了,未来几方可能考虑和西井合作,使用其脉冲神经网络技术。”

就在两周前,谭黎敏访问了位于瑞士日内瓦的几位欧盟脑计划核心领导人。尽管他没有透露西井将如何参与欧盟脑计划的项目,但他表示“在不久后即将发布有关双方在一些潜在合作方向的探索”。

在西井的展台上,记者还发现了软银中国的投资人周晔。他对《第一财经日报》记者表示:“软银中国对人工智能领域也非常感兴趣,但是目前还没有参与西井科技的投资。听公司的介绍感觉这会是一个世界级的项目,但是还是要看最后能做成什么样。”据了解,软银中国旗下未有人工智能领域的相关投资。

责编:彭海斌

此内容为第一财经原创。未经第一财经授权,不得以任何方式加以使用,包括转载、摘编、复制或建立镜像。第一财经将追究侵权者的法律责任。 如需获得授权请联系第一财经版权部:021-22002972或021-22002335;banquan@yicai.com。
  • 第一财经
    APP

  • 第一财经
    日报微博

  • 第一财经
    微信服务号

  • 第一财经
    微信订阅号

点击关闭