loihi研究测试芯片包括模仿大脑基本机制的数字电路，从而让机器学习变得更快、更高效，同时对计算力的需求更小。神经拟态芯片模型的灵感来自于神经元通信和学习的方式，利用了可根据时间调节的脉冲和可塑触突。这将帮助计算机在模式和关联的基础上实现自组织并做出决策。
loihi测试芯片提供高度灵活的片上学习能力，并把训练和推断整合到一个芯片上。这让机器实现自动化，并实时进行调整，无需等待来自云端的下一次更新。研究人员已证实，与其他典型的脉冲神经网络相比，在解决mnist数字识别问题时，以实现一定准确率所需要的总操作数来看，loihi芯片学习速度提高了100万倍。与卷积神经网络和深度学习神经网络相比，loihi测试芯片在同样的任务中需要的资源更少。
这种测试芯片的自主学习功能具有巨大的潜力，可以改进汽车和工业应用以及个人机器人——包括任何在非结构化环境下得益于自主操作和持续学习的应用，例如，识别汽车或自行车的运动。
此外，与训练人工智能系统的通用计算芯片相比，loihi芯片的能效提升了1000倍。2018年上半年，英特尔将与著名大学和研究机构共享loihi测试芯片，致力于推进人工智能。
loihi测试芯片的功能特性包括：
全异步神经拟态多核心网络，支持多种稀疏、分层和循环神经网络拓扑结构。每个神经元可以与成千上万个其它神经元通信。
每个神经形态核心都包含一个学习引擎，在操作中可以通过编程去适配网络参数，支持监督学习、无监督学习、强化学习和其他的学习范式。
芯片的制造采用了英特尔14纳米制程技术。
共有13万个神经元和1.3亿个触突。
以极高的算法效率开发并测试了多种算法，以解决以下问题：路径规划、约束满足、稀疏编码、字典学习，以及动态模式学习与适配。
下一步计划
在计算机和算法创新的推动下，人工智能的变革性力量预计将对社会产生重大影响。现在，英特尔正在运用自身的优势，推动摩尔定律和制造领先地位，为市场带来各种产品——英特尔®至强®处理器、英特尔® nervana™技术、英特尔movidius™技术和英特尔fpgas ——以便从网络边缘到数据中心和云计算平台，来满足人工智能计算任务的独特需求。
通用计算和定制硬件和软件都能在各个尺度上充分发挥作用。英特尔®至强融核™处理器，广泛应用于科学计算，已经产生了一些世界上最大的模型，来解释大规模的科学问题。而movidius神经计算棒则能够在只消耗1瓦特功率的情况下部署之前的训练模型。
随着人工智能计算任务变得越来越多样化和复杂，研究人员将关注当前主流计算架构的局限性，提出新的颠覆性方法。展望未来，英特尔认为，神经拟态计算带来了一种方式，以类似大脑的结构来提供超大规模的计算性能。
随着我们把神经拟态计算这样的概念推向主流，以支持未来50年的世界经济，我希望大家未来几个月继续关注来自英特尔研究院的激动人心的里程碑事件。在神经拟态计算普及的未来，随着智能和决策变得更加的顺畅、快速，你所能想象的一切——甚至超越你想象的事情——都会变成现实。
英特尔开发创新计算架构的愿景仍然坚定不移，我们之所以了解未来计算的面貌，是因为我们如今正在开发它。
来源：中电网
