科学的进一步发展。作为英特尔研究院的研究课题，英特尔开发了Loihi的第一个自律自学神经拟态芯片，模仿了大脑根据环境的各种对系统来自学者的运营方式。这是非常节能的芯片，利用数据自学推测，随着时间的推移看起来更加智能，不必以传统的方式开展训练。

用精致的方法用异步脉冲计算。我们指出，人工智能还处于初级阶段，Loihi等更多的结构和方法不断出现，提高人工智能的标准。神经计算的启发来自我们目前对大脑结构及其计算能力的理解。

大脑的神经网络通过脉冲传达信息，根据这些脉冲的时间调节神经元的强度和神经元的连接权重，将这些变化存储在神经元的连接处。脑内神经网络及其环境中多个地区之间的合作和竞争性的相互作用产生了智能的不道德。机器学习，比如深度自学，通过大量的培训数据集来识别物体和事件，最近发生了很大的变化。

然而，除非这些培训数据集考虑到特定的元素、条件或环境，否则这些机器学习系统不能很好地普及。自律自学芯片的潜在利益是无限的。例如，有必要将一个人在各种情况下跑步后、睡觉前或睡觉前的跳跃数据获取给一个基于神经的系统，分析这些数据，确认各种情况下的长时间跳跃。该系统继续监视起源的跳跃数据，以显示与长期跳跃模式不一致的情况。

该系统还可以为任何用户提供个性化服务。该类型的逻辑也限于其他应用于场景。例如，网络安全，由于系统已经自学了各种情况下的常态模式，因此在数据流中发生异常或不同时，可以识别漏洞或黑客攻击。

英特尔推出Loihi测试芯片Loihi研究测试芯片，还包括模仿大脑基本机制的数字电路，使机器学习更加缓慢、更加高效，同时对计算能力的市场需求更加小。神经拟态芯片模型的启发来自神经元通信和自学方式，利用了可根据时间调节的脉冲和可塑性牙齿。

这将协助计算机在模式和相关的基础上建立自己的组织并做出决定。Loihi测试芯片获得灵活性高的芯片自学能力，将训练和推测统一为芯片。这使机器建设自动化，动态调整，需要等待云的下一次改版。

研究人员证实，与其他典型的脉冲神经网络相比，在解决问题的MNIST数字识别问题时，从构建一定精度所需的总操作数来看，Loihi芯片的自学速度提高了100万倍。与卷积神经网络和深度自学神经网络相比，Loihi测试芯片在某种程度上所需的资源更少。

该测试芯片的自律自学功能具有很大的潜力，可以改善汽车和工业应用，包括个人机器人在非结构化环境中自律操作者和持续自学的应用，如识别汽车和自行车的运动。另外，与训练人工智能系统的标准化计算芯片相比，Loihi芯片的能效提高了1000倍。2018年上半年，英特尔将与名大学和研究机构共享Loihi测试芯片，致力于人工智能的发展。更多亮点Loihi测试芯片的功能特性包括异步神经拟态多核心网络，反对多种密度、层次和循环神经网络开拓结构。

各神经元可与成千上万的其他神经元通信。每个神经形态的核心都包括自学引擎，操作者可以通过编程兼容网络参数，反对自学监督、自学监督、自学强化等自学模式。

芯片生产使用英特尔14纳米工艺技术。共有13万个神经元和1亿3千万个牙齿。

以极高的算法效率开发测试了多种算法，解决了路径规划、制约合适、密码密集、字典自学、动态模式自学和兼容性问题。下一步计划在计算机和算法创造力的推进下，人工智能的转型力量有望对社会产生根本影响。目前，英特尔利用自己的优势，推进摩尔法则和生产领先地位，为市场提供各种产品——英特尔至强大的处理器、英特尔Nervana技术、英特尔Movidius的技术和英特尔FPGAse-从网络边缘到数据中心和云计算平台，满足人工智能计算任务的独特市场需求。

标准化计算和定制硬件和软件可以在各个尺度上充分发挥作用。从英特尔到强融核处理器，普遍应用于科学计算，已经产生了世界上仅次于的模型，说明了大规模的科学问题。Movidius神经计算篮需要在只消耗1瓦功率的情况下配置以前的训练模型。随着人工智能计算任务的多样化和简单化，研究人员关注当前主流计算结构的局限性，明确提出新的霸权方法。

展望未来，英特尔指出，神经的计算给人以类似大脑的构造获得了大规模的计算性能的方式。随着我们计算神经的概念成为主流，反对未来50年的世界经济，希望今后几个月关注英特尔研究院兴奋的里程碑事件。用神经拟态计算普及的未来，随着智能和决策的流畅和缓慢，你能想象的一切——打破你想象的东西——成为现实。英特尔开发创造性计算结构的愿景依然坚定，理解未来计算的面貌是因为现在正在开发。

原始文章允许禁止发布。下一篇文章发表了注意事项。

本文来源：亚博yabo888网页登录-www.cdkerun.cn