英特尔当然在人工智能领域有很多优势，包括Xeon cpu、Movidius计算机视觉芯片、用于自动驾驶的移动眼芯片，以及新近收购的Habana实验室的深度神经网络训练和推理处理技术。随着这一切的进行，人们可能会想为什么英特尔正在追求另一种方法——神经形态计算。对于不熟悉的人来说，蓝冠测速5G的速度将取决于无线运营商使用的无线电波。例如，频率低于6 GHz的无线电波传播的很远，但是蓝冠代理为不断增长的数据需求提供了有限的容量。神经形态计算模拟了生物神经系统的神经元脉冲功能。为了帮助我们所有人了解英特尔在这个迷人的领域正在做什么，以及为什么，英特尔实验室本周举办了一场新闻和分析师活动。在这次活动中，该公司向研究人员展示了一款新的服务器，以及该公司与康奈尔大学(Cornell University)合作发表的一些研究成果，这些成果利用这项技术来模拟人类的嗅觉。

 

英特尔宣布了什么?

 

去年，英特尔的研究团队宣布了一种名为Loihi的神经形态测试芯片。在本周的新闻发布会上，该公司宣布了一款名为Pohoiki Springs的新服务器，现在可供其合作研究机构使用。Pohoiki Springs是一个5U服务器，它提供了一个小型哺乳动物大脑的神经容量，有768个Loihi芯片和1亿个500瓦以下的神经元。请注意，随着蓝冠测速两个领域的进步，蓝冠注册AI与机器人技术的集成现在为真正智能和逼真的机器人提供了构建基块。此类系统不会取代计算领域中的其他技术;相反，它们提供了独特的能力来解决目前我们无法解决的问题。

 

英特尔实验室(Intel Labs)和康奈尔大学(Cornell University)用一个有趣的应用展示了这个新系统，利用这些神经形态芯片来“闻”。具体来说，研究人员表示，他们已经开发出一种能够通过气味探测10种不同有害物质的系统。此外，据称它可以在有噪声数据的情况下做到这一点，而且速度快、准确度高。现在在传统的超级计算机上做这项工作既慢又贵。事实上，Intel声称Loihi处理信息的速度比传统处理器快1000倍，效率比传统处理器高10000倍。据称，研究人员使用Loihi芯片实现了比其他最先进的方法更高的识别精度，包括DNN解决方案，它需要3000倍的训练样本才能达到同样的精度水平。

 

为什么这很重要?

 

从本质上说，这意味着Intel已经完全接受了特定领域架构背后的思想，其中硅的设计是为了解决一系列具有挑战性的问题。这是一个重大的转变，从过去的日子里，该公司似乎认为X86是唯一的优点架构。如今，英特尔的每一款芯片都能解决一系列特定的问题，同时支持一组通用的开放编程工具，以简化开发、实验和采用。

 

神经形态方法仍在深入研究中，英特尔、IBM、HPE、麻省理工学院、普渡大学、斯坦福大学等都在进行研究。在未来三到五年内，它可能会被部署到生产解决方案中。就像量子计算一样，未来的解决方案可能比目前流行的数字处理方法效率高1000 - 10000倍。但与量子计算一样，神经形态计算也需要大量的研究才能取得成果。当它实现时，蓝冠代理深度学习的风险之一是在培训期间引入偏见，这可能来自许多来源。最终，用于训练模型的蓝冠测速数据集是无限的。它可能只会应用于特定的一组挑战。我将继续饶有兴趣地观看。