近日，英特尔发布了第二代神经形态芯片Loihi，面积为31mm²，最多可封装100万个人工神经元，而上一代面积为60mm²，支持13.1万个神经元。同时，Loihi 2比上一代快10倍，资源密度提高了15倍，且能效更高。
Loihi 2有128个神经形态核心，相较于第一代，每个核心都有此前数量8倍的神经元和突触，这些神经元通过1.2亿个突触相互连接。据英特尔的早期评估，与在第一代Loihi上运行的标准深度网络比较，在准确性没有降落的情形下，Loihi 2上每次推理运算的次数减少到原来的至少60分之一。
英特尔神经形态打算实验室总监Mike Davies表示：“第二代芯片极大地提高了神经形态处理的速率、可编程性和容量，扩大了在功耗和时延受限的智能打算运用上的用场。英特尔正在开源Lava，以知足在实践中对软件领悟、基准测试和跨平台互助的需求，并加快商业可行性的进程。”
Davies认为，Loihi 2等芯片善于于处理授予打算机感官（例如视觉和嗅觉）的任务。由于效率很高，神经形态芯片非常适宜电源有限且不受传统打算机网络束缚的移动设备。
为什么须要神经形态芯片？
在曾经很长一段韶光内，规则式（rule-based）方法都在人工智能领域霸占主流，对打算机进行编程须要编写分步解释。以教打算机学会识别狗举例，这会涉及列出一组规则来辅导其判断，如检讨它是否有四只脚等等。但如果打算机遇到一只只有三只腿的小狗怎么办？这时大概就须要更多规则，但是列出无穷无尽的规则，并让打算机每次做出类型决策时都重复该过程是低效且不切实际的。
而人类的学习办法则与此相异，在区分狗与猫时无需被奉告任何干系规则，于是学习人类大脑的运行办法成为人工智能发展的一个主要方向。
20世纪40年代，科学家们开始用数学方法对神经元进行建模，此后则开始用打算机对神经元网络进行建模。人工神经元和突触频年夜脑中的要大略得多，但它们的运作事理相同——大脑中的神经元通过跨突触相互发送尖峰旗子暗记（Spiking Signals）来进行互换。
许多大略的单元（“神经元”）连接到许多其他单元（通过“突触”），一个神经元吸收来自许多其他神经元的旗子暗记，当刺激达到某个阈值时，它会将自己的旗子暗记发送给周围的神经元，大脑则通过调度神经元之间的连接强度来学习。
人工神经网络（Artificial Neural Networks）常日由层组成，具有许多此类层的网络称为深度学习网络。神经网络是机器学习的一种形式，是打算机根据履历调度其行为的过程，在本日用于自动驾驶、人脸识别等领域。
康奈尔大学的神经生物学家Thomas Cleland曾说，神经形态打算（Neuromorphic Computing）“将成为摇滚明星”，“它不会把统统都做得更好，但它将完备拥有打算领域的一小部分”。
然而模拟大脑的打算本钱非常高，人脑有数十亿个神经元和数万亿个突触，纵然仿照一小块大脑也可能须要对每块输入进行数百万次打算。运行所有这些小打算并不适宜必须一次处理一条指令的经典打算架构（CPU），而本日常用的图形处理单元(GPU)仍旧没有像大脑那样有效地实行深度学习——人类的大脑可以一边驾驶汽车，一边评论辩论自动驾驶的未来，但利用的瓦数比灯泡还少。
常规打算机架构与神经形态架构的比拟
于是，办理神经形态打算问题的芯片涌现了。最初是在20世纪80年代，工程师Carver Mead创造了术语“神经形态处理器”（neuromorphic processors）来描述以基于大脑的疏松办法运行的打算机芯片，为这个领域奠定了根本。
神经形态芯片如何运行？
Loihi芯片包含通过通信网络连接的128个独立内核，每个独立内核中都有大量单独的“神经元”或实行单元，每一个神经元都可以吸收来自任何其他神经元脉冲形式的输入——同一核心中的邻居、同一芯片上不同核心中的一个单元或完备来自另一个芯片。随着韶光的推移，神经元会整合它吸收到的尖峰旗子暗记（Spiking Signals，神经元通过跨突触相互发送尖峰旗子暗记进行互换），并根据其编程的行为来确定何时将自己的尖峰旗子暗记发送到与其连接的任何神经元。
所有尖峰旗子暗记都是异步发生的。在设定的韶光间隔内，同一芯片上的嵌入式x86内核会逼迫同步。届时，神经元将重新打算其各种连接的权重——实质上，是决定对所有向其发送旗子暗记的单个神经元给予多少关注。
详细运行过程是，芯片上的部分实行单元充当树突，部分基于从过去行为得出的权重处理来自通信网络的传入旗子暗记，以确定活动何时超过临界阈值，并在超过时触发其自身的峰值。然后实行单元的“轴突”查找它与哪些其他实行单元进行通信，并向每个实行单元发送一个尖峰旗子暗记。
与普通处理器不同，神经形态芯片没有外部RAM（Random-access memory，随机存储器），而是每个神经元都有自己专用的小型内存，这包括它分配给来自不同神经元的输入的权重，最近活动的缓存，以及发送尖峰旗子暗记的所有其他神经元的列表。
神经形态芯片与传统处理器间的另一大差异则是能效。IBM于2014年推出的TrueNorth芯片，利用的功率还不到在传统处理器上仿照尖峰神经网络所需的0.0001%。英特尔神经拟态打算实验室主任Mike Davies 表示，Loihi在某些特定事情负载上可以比传统处理器高2,000倍。
最新的Loihi 2取得了什么样的新进展？
Loihi 2利用了更前辈的制造工艺——英特尔第一个EUV工艺节点Intel 4，现在每个内核只须要原来所需空间的一半。同时，Loihi 2不仅能够通过二维连接网格进行芯片间的通信，还可以在三维尺度上进行通信，从而大大增加了能处理的神经元总数。每个芯片的嵌入式处理器数量从三个增加到六个，每个芯片的神经元数量增加了八倍。
同时，英特尔表示，它已经通过并优化了所有异步硬件，使 Loihi 2在更新神经元状态时的性能提高了一倍，并将尖峰天生的性能提高了十倍。
另一个紧张变革是处理器评估神经元状态以确定是否发送尖峰旗子暗记的部分。在原始处理器中，用户可以实行一些大略的数学运算来做出决定。在Loihi 2中，则可以访问简化的可编程管道，实行比较和掌握指令流。据科技媒体《Ars》表示，Davies在接管其采访时表示，“你可以将这些程序指定到每个神经元级别，这意味着两个相邻的神经元可以运行完备不同的程序。”
不仅如此，“每个神经元处理其内部影象的办法也更加灵巧——会有一个固定分配和一个可以更动态划分的内存池。”
与Loihi 2同时推出的开源软件框架——Lava
虽然尖峰神经网络（spiking neural networks）可以非常有效地办理很多问题，但目前的一个困难在于，这是一种非常不同的编程类型，须要以同样不同的办法思考算法开拓，要若何找到理解如何利用的人？Davies表示，目前精通它的大多数人都来自理论神经生物学背景。
到目前为止，这意味着英特尔紧张将Loihi推向了研究社区，这限定了其市场发卖范围。
从长远来看，英特尔希望看到Loihi衍生品终极涌如今更广泛的系统中，从充当嵌入式系统中的协处理器到数据中央的大型Loihi集群。那么，英特尔就须要很随意马虎找到可以为其编程的人。
为此，英特尔将Loihi 2的发布与Lava的开源软件框架的发布结合起来。“Lava旨在帮助神经形态编程传播到更广泛的打算机科学界，”Davies在接管外媒采访时表示。
任务编辑：李跃群
