Google团队开发的人工智能围棋程序AlphaGo于2016年打败韩国棋王李世乭,震撼围棋界,造就AI新里程碑。AI虽然聪明,但目前还没有一款机器人可以突然被派到陌生环境后执行任务,这意味着人类大脑在感知与适应方面仍具优势,而英特尔Loihi神经形态研究芯片有助于缩小这一个差距。
外媒New Atlas采访昆士兰科技大学研究员Tobias Fischer团队,他们负责研究定位和导航,帮助机器人在不熟悉环境下判断自身位置。
Fischer解释,他们负责处理人类互动和交谈时所需的社交元素,同时在视觉技术上做许多研究,如通过相机和传感器让机器人感知世界,使其吸收图像强度(pixel intensity),以识别这是车子还是椅子。
Fischer指出,“我专长是用在定位和导航。如果你要求机器人打开洗碗机,它必须先知道如何找到厨房,还要感知物体,并判断这些行为是有意义还是该忽略。”
也因此,深度神经网络在这部分发挥效用,但训练会耗费大量能量。Fischer指出,这些超级计算机所消耗的能量,相当于一座中型城市一年消耗的能源,英特尔Loihi 2芯片提供一种超省电方式,虽然只能运行某种网络,但能非常有效地运行。
这两者的效率差距,和数百万个神经元如何在深度神经网络中启动有关。在深度神经网络中,数亿个神经元会在每个处理步骤中启动,所以耗费相当多能量。而英特尔Loihi的尖峰神经网络,每次只有一个非常小的神经元子集被启动。
当这些芯片够密集时,可以直接在小型机器人、甚至无人机上运行。Fischer希望这些芯片能帮助他们开发出具有适应性的定位技术,以适应不断变化的条件。
不过Loihi还是有些缺点,Fischer指出,“英特尔和神经形态研究芯片的问题是,与更多在CPU或GPU运行的传统算法相比,我们在稳健和准确这两部分往往是落后的;跟传统深度神经网络相比,这些算法更难,而且我们还没取得突破,使其能普遍用于多种场景,增加商业化的吸引力。”
(首图来源:英特尔)