英特尔■768颗芯片、1亿个神经元！迄今最强神经拟态系统诞生( 四 ) |技术|人工智能|软件|

接下来， Mike和他的团队将在研究中投入更多的时间和想法，以探索更有效的方式来创造更接近人脑规模的神经拟态计算系统。
四、前景极佳的三大算法示例INRC成员将使用英特尔Nx SDK和社区提供的软件组件，通过云在Pohoiki Springs上访问和构建应用程序。
Mike向我们展示了一些前景极佳且高度可扩展、正为Loihi开发的算法示例：
1、限制条件满足
数独游戏、航班调度、快递配送规划……限制条件满足问题在现实世界中几乎无处不在。
这需要对大量潜在的解决方案进行评估，以找到能满足特定限制条件的解决方案。
Loihi可以通过高速并行探索多个不同的解决方案，加快此类问题的解决。
2、搜索图形和模式
每天，人们都会在基于图形的数据结构中进行搜索，以找到最佳路径和密切匹配的模式，例如获取驾驶方向或识别人脸。
Loihi已展示出快速识别图形中的最短路径和执行搜索类似图像的能力。

本文插图
3、优化问题
可对神经拟态架构进行编程，使其动态行为能够随时间的推移对特定目标进行数学优化。
此行为可应用于解决现实场景下的优化问题，例如最大限度提升无线通信信道的带宽，或分配股票投资组合，以在风险最小化的情况下达到目标收益率。
五、商业化挑战：通用性不足“英特尔在商业化上面临的挑战是，我们确实需要看到大量或有效解决的问题。 ”Mike说，相比专用芯片，他们更希望实现更通用的计算。
比如神经拟态芯片可以用作支持人工智能“闻出”有害物体的气味来检测危险物品，但这种商业应用非常专业，需要针对特定应用目标的专用芯片进行固化。
Mike说：“我们真正感兴趣的，是找到一种像冯·诺依曼架构那样相对通用的新型计算架构。反之亦然，冯·诺依曼架构总是比神经拟态学能够更有效地解决架构问题，但这才是真正扩展可应用通用计算产品组合的开始。 ”
尽管英特尔已经展示出很多有趣的神经拟态计算示例，但Mike认为：“我们还没有足够广泛的示例，使我们有信心将其称为具有通用性的处理器。 ”
Mike还提到，当前有些初创公司实际上比英特尔更早地商业化了其中的一些应用想法。
六、危品检测、新药研发，应用潜力很丰富虽说英特尔Loihi神经拟态芯片还在走向通用化的道路上，不过迄今为止，它已经在展现出在很多智能领域的应用价值。
就在前几天，英特尔和美国康奈尔大学在《自然-机器智能》期刊上联合发表一篇论文，展示Loihi芯片能在有明显噪声和遮盖的情况下， “闻出”10种危险化学品。
论文称， Loihi仅需单一样本便可学会识别每一种气味，且不会破坏它对先前所学气味的记忆，要达到与Loihi相近的识别准确率，传统深度学习解决方案需要的训练样本，至少是Loihi所需样本的3000倍。

本文插图
除了危险物质检测外，神经拟态芯片在智能监控、图片搜索、新药研发、资产分配、环境监测、工厂质控等方面均颇具应用潜力。
Mike曾预测，机器人将是神经拟态计算的杀手级应用。
加州理工学院AMBER实验室的Rachel Gehlhar和加拿大国家研究委员会的Terry Stewart ，曾使用英特尔Kapoho Bay Loihi设备控制AMPRO3假肢，以使该假肢能够更好地适应行走时无法预料的运动学障碍。

本文插图
▲Terry Stewart用英特尔Kapoho Bay设备控制AMPRO3假肢
在智能家庭应用中，想要入室抢劫的小偷，在进入房间时就可能被智能监控摄像头中的Loihi芯片所识别，并发出警报。