fbpx
维基百科

認知電腦

十二月 13, 2023

認知電腦是一種試圖重現人腦行為，並且結合了人工智慧及機器學習演算法的晶片，[1]一般採用神經形態工程（英语：Neuromorphic engineering）的方法，其中一例為IBM公司以神經網路（英语：Neural_network）和深度學習實現的華生。IBM公司後續還開發了TrueNorth微晶片架構，與傳統電腦中使用的馮·諾依曼架構相比，其設計結構更加接近人腦。2017年，英特爾也公佈了自家版本的認知晶片「Loihi」，於2018年提供給大學及研究實驗室。英特爾、高通和其他公司也正逐步改進神經形態處理器，包括英特爾的Pohoiki Beach和Springs系統。[2][3]

IBM TrueNorth 晶片 编辑

 
具有16個TrueNorth晶片的DARPASyNAPSE（英语：SyNAPSE）電路板

TrueNorth是IBM在2014年生產的神經形態（英语：Neuromorphic engineering）CMOS積體電路[4]，是設計於單晶片上的多核處理器網路，有4096個核心，每個核心有256個可程式設計的模擬神經元，共約一百萬個神經元。每個神經元有256個可程式設計、在彼此間互相傳遞訊號的「突觸」。因此，可程式設計突觸的總數稍多於2.68億（228），其基本電晶體數量為54億。由於記憶、計算和通訊是在4096個神經突觸核心中處理，因此TrueNorth避開了馮-諾伊曼架構瓶頸，且非常節能，IBM聲稱其功耗為70毫瓦，功率密度是傳統微處理器的萬分之一[5]。因為SyNAPSE（英语：SyNAPSE）晶片只會消耗計算所需的功率，因此運作時的功率及溫度較低。[6]Skyrmions已被提議作為晶片上的突觸模型[7]。

英特爾 Loihi 晶片 编辑

英特爾的自我學習神經形態晶片「Loihi」（於2017年生產），可能是以夏威夷海山Lō'ihi命名，它依人腦設計，提供了可觀的功率效率。英特爾聲稱，比起訓練與Loihi性能相匹的神經網路所需的通用計算功率，Loihi的功率效率高了約1000倍。理論上，這將同時支援在同一矽晶片上進行機器學習訓練和推理，而不必受到雲端連接的影響，比使用卷積神經網路（CNN）或深度學習神經網路更有效率。英特爾指出，人類心跳監測系統會在運動或進食等事件後讀取數據，然後使用認知計算晶片將資料正規化並算出「正常」心跳，查看是否異常，也可以應對任何新的事件或狀況。

第一版的Loihi晶片使用了英特爾的14奈米製程，有128個叢集，每個叢集有1024個人造神經元（英语：Artificial neuron），總共有131,072個模擬神經元。[8]這提供了大約1.3億個突觸，與人腦的800萬億個突觸相比仍有相當大的差距，並且落後於IBM的TrueNorth ，後者透過使用64乘以4,096個核心擁有大約2.56億個突觸。[9]現在有40多個學術研究團體能夠出於研究目的以USB的規格使用Loihi。 [10][11]最近的進展包含一個名為Pohoiki Beach的64核晶片（以Isaac Hale海灘公園（英语：Isaac Hale Beach Park）命名，該公園又稱為Pohoiki）。[12]

2019年10月，羅格斯大學的研究人員發表了一篇研究論文，展示了英特爾的 Loihi 在解決同時定位與地圖構建所具備的的能源效率。[13]

2020 年 3 月，英特尔和康奈尔大学发表了一篇研究论文，证明英特尔的 Loihi 能够识别不同的危險物質，最终可以協助“诊断疾病、偵测武器和爆炸物、发现毒品，以及发现烟雾和一氧化碳的征兆”。 [14]

SpiNNaker 编辑

主条目：SpiNNaker（英语：SpiNNaker）

SpiNNaker（Spiking Neural Network Architecture，脈衝神經網路架構）是由曼徹斯特大學電腦科學系（英语：Department_of_Computer_Science,_University_of_Manchester）的高級處理器技術研究小組（APT）所設計的大規模平行處理的多核超級計算機架構。[15]

批評 编辑

認知電腦的方法和定義有很多，[16]各方法的成效可能有所差異。 [17]

具體而言，有些批評者認為，像華生那樣有一間房間大的電腦無法取代三磅重的人腦[18]，也有一些人指出，單一系統很難將這麼多的元素整合在一起，比如不同的資訊來源以及計算資源。[19]在2018年世界經濟論壇期間，有專家聲稱，認知系統可能會被開發者的偏見影響，這點在Google圖像辨識或計算機視覺演算法的案例中得到了證實，該演算法在辨識非裔美國人時有所缺陷。[20]

參見 编辑

参考文献 编辑

  1. ^ Witchalls, Clint. A computer that thinks. New Scientist. November 2014, 224 (2994): 28–29. Bibcode:2014NewSc.224...28W. doi:10.1016/S0262-4079(14)62145-X. 
  2. ^ . [2021-08-11]. （原始内容存档于2022-07-17）. 
  3. ^ . [2021-08-11]. （原始内容存档于2022-07-17）. 
  4. ^ Merolla, P. A.; Arthur, J. V.; Alvarez-Icaza, R.; Cassidy, A. S.; Sawada, J.; Akopyan, F.; Jackson, B. L.; Imam, N.; Guo, C. A million spiking-neuron integrated circuit with a scalable communication network and interface. Science. 2014, 345 (6197): 668–73. Bibcode:2014Sci...345..668M. PMID 25104385. doi:10.1126/science.1254642. 
  5. ^ https://spectrum.ieee.org/computing/hardware/how-ibm-got-brainlike-efficiency-from-the-truenorth-chip （页面存档备份，存于互联网档案馆） How IBM Got Brainlike Efficiency From the TrueNorth Chip
  6. ^ . IBM. 11 December 2015 [2021-08-11]. （原始内容存档于2018-05-19）. 
  7. ^ Song, Kyung Mee; Jeong, Jae-Seung; Pan, Biao; Zhang, Xichao; Xia, Jing; Cha, Sunkyung; Park, Tae-Eon; Kim, Kwangsu; Finizio, Simone. Skyrmion-based artificial synapses for neuromorphic computing. Nature Electronics. March 2020, 3 (3): 148–155. arXiv:1907.00957  . doi:10.1038/s41928-020-0385-0. 
  8. ^ . [2021-08-11]. （原始内容存档于2022-04-22）. 
  9. ^ . [2021-08-11]. （原始内容存档于2021-08-11）. 
  10. ^ . [2021-08-11]. （原始内容存档于2022-07-17）. 
  11. ^ (PDF). [2021-08-11]. （原始内容 (PDF)存档于2022-04-12）. 
  12. ^ . [2021-08-11]. （原始内容存档于2022-03-02）. 
  13. ^ Tang, Guangzhi; Shah, Arpit; Michmizos, Konstantinos. Spiking neural network on neuromorphic hardware for energy-efficient unidimensional SLAM. 2019 IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS). 2019: 4176–4181. arXiv:1903.02504  . doi:10.1109/IROS40897.2019.8967864. 
  14. ^ Imam, Nabil; Cleland, Thomas A. Rapid online learning and robust recall in a neuromorphic olfactory circuit. Nature Machine Intelligence. 2020, 2 (3): 181–191. arXiv:1906.07067  . doi:10.1038/s42256-020-0159-4. 
  15. ^ . [2021-08-11]. （原始内容存档于2022-05-29）. 
  16. ^ Schank, Roger C.; Childers, Peter G. . Addison-Wesley Pub. Co. 1984 [2021-08-11]. ISBN 9780201064438. （原始内容存档于2021-08-11） （英语）. 
  17. ^ Wilson, Stephen. The Cognitive Computer: On Language, Learning, and Artificial Intelligence by Roger C. Schank, Peter Childers (review). Leonardo. 1988, 21 (2): 210 [13 January 2017]. ISSN 1530-9282. JSTOR 1578563. doi:10.2307/1578563. 
  18. ^ Neumeier, Marty. Metaskills: Five Talents for the Robotic Age. Indianapolis, IN: New Riders. 2012. ISBN 9780133359329. 
  19. ^ Hurwitz, Judith; Kaufman, Marcia; Bowles, Adrian. Cognitive Computing and Big Data Analytics. Indianapolis, IN: John Wiley & Sons. 2015: 110. ISBN 9781118896624. 
  20. ^ Choudhury, Saheli Roy. . CNBC. 2018-09-18 [2018-10-12]. （原始内容存档于2022-04-09）. 

連結 编辑

http://www.foxnews.com/tech/2018/01/09/ces-2018-intel-gives-glimpse-into-mind-blowing-future-computing.html （页面存档备份，存于互联网档案馆）

十二月 13, 2023
認知電腦, 此條目的引用需要进行清理, 使其符合格式, 2021年8月12日, 参考文献应符合正确的引用, 脚注及外部链接格式, 是一種試圖重現人腦行為, 並且結合了人工智慧及機器學習演算法的晶片, 一般採用神經形態工程, 英语, neuromorphic, engineering, 的方法, 其中一例為ibm公司以神經網路, 英语, neural, network, 和深度學習實現的華生, ibm公司後續還開發了truenorth微晶片架構, 與傳統電腦中使用的馮, 諾依曼架構相比, 其設計結構更加接近人腦, 2. 此條目的引用需要进行清理 使其符合格式 2021年8月12日 参考文献应符合正确的引用 脚注及外部链接格式 認知電腦是一種試圖重現人腦行為 並且結合了人工智慧及機器學習演算法的晶片 1 一般採用神經形態工程 英语 Neuromorphic engineering 的方法 其中一例為IBM公司以神經網路 英语 Neural network 和深度學習實現的華生 IBM公司後續還開發了TrueNorth微晶片架構 與傳統電腦中使用的馮 諾依曼架構相比 其設計結構更加接近人腦 2017年 英特爾也公佈了自家版本的認知晶片 Loihi 於2018年提供給大學及研究實驗室 英特爾 高通和其他公司也正逐步改進神經形態處理器 包括英特爾的Pohoiki Beach和Springs系統 2 3 目录 1 IBM TrueNorth 晶片 2 英特爾 Loihi 晶片 3 SpiNNaker 4 批評 5 參見 6 参考文献 7 連結IBM TrueNorth 晶片 编辑 nbsp 具有16個TrueNorth晶片的DARPASyNAPSE 英语 SyNAPSE 電路板TrueNorth是IBM在2014年生產的神經形態 英语 Neuromorphic engineering CMOS積體電路 4 是設計於單晶片上的多核處理器網路 有4096個核心 每個核心有256個可程式設計的模擬神經元 共約一百萬個神經元 每個神經元有256個可程式設計 在彼此間互相傳遞訊號的 突觸 因此 可程式設計突觸的總數稍多於2 68億 228 其基本電晶體數量為54億 由於記憶 計算和通訊是在4096個神經突觸核心中處理 因此TrueNorth避開了馮 諾伊曼架構瓶頸 且非常節能 IBM聲稱其功耗為70毫瓦 功率密度是傳統微處理器的萬分之一 5 因為SyNAPSE 英语 SyNAPSE 晶片只會消耗計算所需的功率 因此運作時的功率及溫度較低 6 Skyrmions已被提議作為晶片上的突觸模型 7 英特爾 Loihi 晶片 编辑英特爾的自我學習神經形態晶片 Loihi 於2017年生產 可能是以夏威夷海山Lō ihi命名 它依人腦設計 提供了可觀的功率效率 英特爾聲稱 比起訓練與Loihi性能相匹的神經網路所需的通用計算功率 Loihi的功率效率高了約1000倍 理論上 這將同時支援在同一矽晶片上進行機器學習訓練和推理 而不必受到雲端連接的影響 比使用卷積神經網路 CNN 或深度學習神經網路更有效率 英特爾指出 人類心跳監測系統會在運動或進食等事件後讀取數據 然後使用認知計算晶片將資料正規化並算出 正常 心跳 查看是否異常 也可以應對任何新的事件或狀況 第一版的Loihi晶片使用了英特爾的14奈米製程 有128個叢集 每個叢集有1024個人造神經元 英语 Artificial neuron 總共有131 072個模擬神經元 8 這提供了大約1 3億個突觸 與人腦的800萬億個突觸相比仍有相當大的差距 並且落後於IBM的TrueNorth 後者透過使用64乘以4 096個核心擁有大約2 56億個突觸 9 現在有40多個學術研究團體能夠出於研究目的以USB的規格使用Loihi 10 11 最近的進展包含一個名為Pohoiki Beach的64核晶片 以Isaac Hale海灘公園 英语 Isaac Hale Beach Park 命名 該公園又稱為Pohoiki 12 2019年10月 羅格斯大學的研究人員發表了一篇研究論文 展示了英特爾的 Loihi 在解決同時定位與地圖構建所具備的的能源效率 13 2020 年 3 月 英特尔和康奈尔大学发表了一篇研究论文 证明英特尔的 Loihi 能够识别不同的危險物質 最终可以協助 诊断疾病 偵测武器和爆炸物 发现毒品 以及发现烟雾和一氧化碳的征兆 14 SpiNNaker 编辑主条目 SpiNNaker 英语 SpiNNaker SpiNNaker Spiking Neural Network Architecture 脈衝神經網路架構 是由曼徹斯特大學電腦科學系 英语 Department of Computer Science University of Manchester 的高級處理器技術研究小組 APT 所設計的大規模平行處理的多核超級計算機架構 15 批評 编辑認知電腦的方法和定義有很多 16 各方法的成效可能有所差異 17 具體而言 有些批評者認為 像華生那樣有一間房間大的電腦無法取代三磅重的人腦 18 也有一些人指出 單一系統很難將這麼多的元素整合在一起 比如不同的資訊來源以及計算資源 19 在2018年世界經濟論壇期間 有專家聲稱 認知系統可能會被開發者的偏見影響 這點在Google圖像辨識或計算機視覺演算法的案例中得到了證實 該演算法在辨識非裔美國人時有所缺陷 20 參見 编辑人工智能加速器 認知計算 計算認知 英语 Computational cognition 神經形態工程 英语 Neuromorphic engineering SyNAPSE 英语 SyNAPSE 张量处理单元参考文献 编辑 Witchalls Clint A computer that thinks New Scientist November 2014 224 2994 28 29 Bibcode 2014NewSc 224 28W doi 10 1016 S0262 4079 14 62145 X Intel s Pohoiki Beach a 64 Chip Neuromorphic System Delivers Breakthrough Results in Research Tests 2021 08 11 原始内容存档于2022 07 17 存档副本 2021 08 11 原始内容存档于2022 07 17 Merolla P A Arthur J V Alvarez Icaza R Cassidy A S Sawada J Akopyan F Jackson B L Imam N Guo C A million spiking neuron integrated circuit with a scalable communication network and interface Science 2014 345 6197 668 73 Bibcode 2014Sci 345 668M PMID 25104385 doi 10 1126 science 1254642 请检查 lay date 中的日期值 帮助 https spectrum ieee org computing hardware how ibm got brainlike efficiency from the truenorth chip 页面存档备份 存于互联网档案馆 How IBM Got Brainlike Efficiency From the TrueNorth Chip Cognitive computing Neurosynaptic chips IBM 11 December 2015 2021 08 11 原始内容存档于2018 05 19 Song Kyung Mee Jeong Jae Seung Pan Biao Zhang Xichao Xia Jing Cha Sunkyung Park Tae Eon Kim Kwangsu Finizio Simone Skyrmion based artificial synapses for neuromorphic computing Nature Electronics March 2020 3 3 148 155 arXiv 1907 00957 nbsp doi 10 1038 s41928 020 0385 0 Why Intel built a neuromorphic chip September 29 2017 www ZDNet com 2021 08 11 原始内容存档于2022 04 22 Intel unveils Loihi neuromorphic chip chases IBM in artificial brains October 17 2017 AITrends com 2021 08 11 原始内容存档于2021 08 11 Intel Ramps up Neuromorphic Computing Effort with New Research Partners TOP500 Supercomputer Sites 2021 08 11 原始内容存档于2022 07 17 存档副本 PDF 2021 08 11 原始内容 PDF 存档于2022 04 12 Intel s Neuromorphic Loihi Processor Scales to 8M Neurons 64 Cores ExtremeTech 2021 08 11 原始内容存档于2022 03 02 Tang Guangzhi Shah Arpit Michmizos Konstantinos Spiking neural network on neuromorphic hardware for energy efficient unidimensional SLAM 2019 IEEE RSJ International Conference on Intelligent Robots and Systems IROS 2019 4176 4181 arXiv 1903 02504 nbsp doi 10 1109 IROS40897 2019 8967864 Imam Nabil Cleland Thomas A Rapid online learning and robust recall in a neuromorphic olfactory circuit Nature Machine Intelligence 2020 2 3 181 191 arXiv 1906 07067 nbsp doi 10 1038 s42256 020 0159 4 Research Groups APT Advanced Processor Technologies School of Computer Science the University of Manchester 2021 08 11 原始内容存档于2022 05 29 Schank Roger C Childers Peter G The cognitive computer on language learning and artificial intelligence Addison Wesley Pub Co 1984 2021 08 11 ISBN 9780201064438 原始内容存档于2021 08 11 英语 Wilson Stephen The Cognitive Computer On Language Learning and Artificial Intelligence by Roger C Schank Peter Childers review Leonardo 1988 21 2 210 13 January 2017 ISSN 1530 9282 JSTOR 1578563 doi 10 2307 1578563 Neumeier Marty Metaskills Five Talents for the Robotic Age Indianapolis IN New Riders 2012 ISBN 9780133359329 Hurwitz Judith Kaufman Marcia Bowles Adrian Cognitive Computing and Big Data Analytics Indianapolis IN John Wiley amp Sons 2015 110 ISBN 9781118896624 Choudhury Saheli Roy A I has a bias problem that needs to be fixed World Economic Forum CNBC 2018 09 18 2018 10 12 原始内容存档于2022 04 09 連結 编辑http www foxnews com tech 2018 01 09 ces 2018 intel gives glimpse into mind blowing future computing html 页面存档备份 存于互联网档案馆 取自 https zh wikipedia org w index php title 認知電腦 amp oldid 80044509, 维基百科，wiki，书籍，书籍，图书馆，

文章

，阅读，下载，免费，免费下载，mp3，视频，mp4，3gp， jpg，jpeg，gif，png，图片，音乐，歌曲，电影，书籍，游戏，游戏。