您的位置:人工智能 > 智能硬件 > 如何把存储器做到CPU里?我们向大脑找答案

如何把存储器做到CPU里?我们向大脑找答案

【人工智能网】

过去的十年以深度进修为代表的人工智能手艺深入影响了人类社会。但人类要进入真正意义上的智能时期,还须要更壮大的智能手艺。而向人脑进修,自创人类大脑的智能发生机理被以为是一条异常值得期待的途径。反过来,AI手艺也在深入改变着脑科学的研讨要领。在“观察脑”手腕不停革新的基础上,AI手艺为脑科学供应了愈来愈壮大的剖析、展现和科学发明手腕。

 

2020年4月25日,青创同盟提议的YOSIA Webinar迥殊推出了“AI X”科学系列主题,第一期主题为AI 脑科学,主要针对人工智能与脑科学的生长以及两者间的相互影响进行了分享。

本次参与者有六位佳宾,他们离别是来自浙江大学盘算机学院的唐华锦传授,清华大学微纳电子系传授、副系主任吴华强,清华大学盘算机科学与手艺系副传授胡晓林、中国科学手艺大学神经生物学与生物物理学系主任毕国强、北京师范大学认知神经科学与进修国家重点试验室毕彦超传授以及北京大学信息科学手艺学院长聘传授吴思。掌管工资将来论坛青年理事会轮值主席、中科院盘算所研讨员、博士生导师山世光传授。

 

唐华锦宣布了《神经形状盘算机》的主题分享,他以为模仿大脑智能是盘算机科学范畴长久以来的目的,成为过去几十年人工智能的生长的主要推动力。

 

人工智能和脑科学在各自范畴单独生长,且都取得了很大打破,我们亟需以新的眼光和视角从新竖立两者的联络,迥殊是从脑科学的角度探究人工智能的新思绪和新要领。报告从议论神经元-突触为盘算载体的信息处理和盘算情势、影象的构成和存储,以及高等认知的发生,议论基于脑科学、神经科学的人工智能的瞻望。

 

他分享了怎样来设想将来的神经形状盘算机。起首必需具有异构的网络结构,其次包括时序动力学的神经元非线性,要构建基于突触可塑性的信用分派算法不仅完成模式识别如许深度进修内里已异常胜利运用的种种算法,而且要完成进修-影象融会的认知盘算,我们将来把大脑搬进机箱让它完成学问的表达、学问的进修、认知以及环境的交互。

 

吴华强则进行了《大脑启示的存算一体手艺》的分享,他提到,人工智能无处不在,从云端到我们手机端都有许多人工智能也在深入影响我们生活。而且人工智能的研讨和运用已取得了突飞猛进的生长,然则运转人工智能深度神经网络算法的盘算平台主假如超等盘算机群(成百上千个CPU和GPU),不只须要庞大的硬件投入,而且占用的空间和斲丧的动力也异常可观。

 

受限于存储盘算星散对芯片机能的限定,同时CMOS工艺微缩速率放缓,以及人工智能运用对盘算存储需求的不停提拔,当前的手艺将面对诸多新的应战。

 

因而,我们须要类脑盘算、存算一体,这也是向生物找答案,向大脑找答案。用脑启示设想新的人工智能芯片是异常必要也是急需的。

 

在这一背景下,新器件的涌现变得至关主要,经由过程引入新道理的半导体器件,不只可以拓展芯片的功用,以至可以推翻传统电路理论,打破当前芯片面对的能效、速率瓶颈,大幅提拔芯片机能。

 

基于过渡族金属氧化的忆阻器件显现出了优胜的存算一体的特征,可以躲避存储和盘算之间数据搬运的功耗而且可以完成大规模集成,进而完成高机能盘算。

 

胡晓林则从AI的生长,神经网络的生长来谈怎样增进神经科学的研讨。他论述了《神经元希罕发放在视听觉通路上的作用》,受Barlow高效编码理论的启示,上世纪90年代人们经由过程盘算建模的体式格局发明神经元的希罕发放关于哺乳动物的视觉和听觉体系的前期的信息处理机制有着主要作用,然则希罕发放关于更上层的功用地区有什么作用一向不是很清晰。

 

在报告中胡传授引见了现在他们的发明,经由过程用深度进修对脑的视听觉通路的建模的两个案例,建模后发明,高等视听觉地区的神经元的希罕发放与它们的一些奇特功用有着密不可分的关联。该效果暗示高效编码理论可能在高等觉得地区也是建立的,从而推行了前人在觉得通路初级地区生长出来的高效编码理论。

 

在问答环节里,六位佳宾议论了脑科学为AI供应了哪些头脑、手艺和要领,同时进行了响应的转化,而AI也为研讨脑科学供应了剖析东西,并供应了更多思绪。

 

“我们明白一个事变,我们须要能制造它才能做它。”从AI和脑科学的团体关联,是科学和工程的关联。作为正在被翻开的两个“黑箱”,两者在相互影响和碰撞,守候更大空间的研讨被发明和开释。

 

怎样造就更多的交叉学科的人材成为了重点议论问题。佳宾们以为这是一个很大的应战,作为交叉学科的人,要对两个学科都要有充足的把握,而这两个学科都是很难的学科,应战很大,因而须要勉励青年人要真正寻求本身的兴致,假如真的想研讨,要花他人双倍的气力把这两个学科都学好。

 

以下为AI 脑科学主题分享速记:

 

主题报告

 

分享一:《神经形状盘算机》—唐华锦

 

唐华锦,浙江大学盘算机学院传授

 

唐华锦传授离别于浙江大学、上海交通大学完成本科和硕士进修, 2005年新加坡国立大学取得博士学位。2008-2015年于新加坡科技研讨局资讯通讯研讨院担负Robotic Cognition试验室主任,2014年起担负四川大学类脑盘算研讨中间主任,现在为浙江大学盘算机学院传授。主要研讨范畴为神经形状盘算、类脑智能芯片、智能机器人。获2016年度IEEE TNNLS卓越论文奖、2019年度IEEE Computational Intelligence Magazine卓越论文奖。担负/曾担负IEEE TNNLS、 IEEE Trans. on Cognitive and Developmental Systems、Frontiers in Neuromorphic Engineering,Neural Networks等期刊的Associate Editor,担负国际神经网络学会(International Neural Networks Society)理事及评奖委员会成员等。

 

唐华锦: 大家好!我本日很幸运被邀请来分享如许一个主题,我的主题是以神经形状盘算机为中间来议论一些开放问题以及对这个范畴做一些瞻望。

  1/ 7     1 2 3 4 5 6 下一页 尾页
上一篇:我国成功完成首次太空“3D打印”,它在飞船上打印了啥?
下一篇:没有了

您可能喜欢