英特尔推出有史以来最大的模仿人脑的人工智能“神经形态计算机”

英特尔的 Hala Point 神经拟态计算机由 1,000 多个新型 AI 芯片提供支持，其执行速度比同等传统计算系统快 50 倍。

英特尔的科学家们建造了世界上最大的神经形态计算机，或者说是一种设计和结构模仿人脑的计算机。该公司希望能够支持未来的人工智能（AI）研究。

英特尔代表在一份声明中表示，与使用中央处理单元 (CPU) 和图形处理单元 (GPU) 的传统计算系统相比，该机器被称为“Hala Point”，执行人工智能工作负载的速度快 50 倍，能耗减少 100 倍。声明。这些数字基于 3 月 18 日上传到预印本服务器 IEEE Explore 的调查结果，尚未经过同行评审。

Hala Point 最初将部署在新墨西哥州桑迪亚国家实验室，科学家将用它来解决设备物理、计算架构和计算机科学方面的问题。

相关：中国开发出新型基于光的小芯片，可以为通用人工智能提供动力——人工智能比人类更聪明

这个大型系统由 1,152 个英特尔全新 Loihi 2 处理器（一种神经形态研究芯片）提供支持，包括分布在 140,544 个处理核心上的 11.5 亿个人工神经元和 1,280 亿个人工突触。

它每秒可以进行 20 千万亿次操作，即 20 petaops。神经形态计算机处理数据的方式与超级计算机不同，因此很难对它们进行比较。但 Trinity 是世界上第 38 位最强大的超级计算机，拥有大约 20 petaFLOPS 的计算能力，其中 FLOP 是每秒的浮点运算。 世界上最强大的超级计算机是 Frontier，它拥有 1.2 exaFLOPS 或 1,194 petaFLOPS 的性能。

神经拟态计算的工作原理

橡树岭国家实验室 (ORNL) 的计算机科学家 Prasanna Date 在 ResearchGate 上写道，神经拟态计算因其架构而不同于传统计算。这些类型的计算机使用神经网络来构建机器。

在经典计算中，1 和 0 的二进制位流入 CPU、GPU 或内存等硬件，然后按顺序处理计算并输出二进制输出。

然而，在神经形态计算中，“尖峰输入”（一组离散电信号）被输入到由处理器表示的尖峰神经网络（SNN）中。基于软件的神经网络是模仿人脑的机器学习算法的集合，而 SNN 是信息传输方式的物理体现。它允许并行处理，并在计算后测量尖峰输出。

与大脑一样，Hala Point 和 Loihi 2 处理器也使用这些 SNN，其中不同的节点相互连接，信息在不同的层进行处理，类似于大脑中的神经元。这些芯片还将内存和计算能力集成在一处。在传统计算机中，处理能力和内存是分开的；这会造成瓶颈，因为数据必须在这些组件之间进行物理传输。这两者都可以实现并行处理并降低功耗。

为什么神经形态计算可以改变人工智能游戏规则

早期结果还表明，Hala Point 的 AI 工作负载实现了每瓦 15 万亿次操作 (TOPS/W) 的高能效读数。大多数传统神经处理单元 (NPU) 和其他人工智能系统的实现远低于 10 TOPS/W。

神经形态计算仍然是一个发展中的领域，很少有像 Hala Point 这样的其他机器被部署（如果有的话）。然而，澳大利亚西悉尼大学国际神经形态系统中心 (ICNS) 的研究人员宣布计划于 2023 年 12 月部署类似的机器。

ICNS 研究人员在声明中表示，他们的计算机名为“DeepSouth”，以每秒 228 万亿次突触操作的速度模拟大型尖峰神经元网络，这相当于人脑的操作速度。

英特尔代表表示，Hala Point 是一个“起点”，是一个研究原型，最终将融入未来可商业部署的系统。

这些未来的神经形态计算机甚至可能会导致像 ChatGPT 这样的大型语言模型 (LLM) 不断从新数据中学习，这将减少当前人工智能部署中固有的巨大训练负担。