关闭

搜索

搜索 菜单
光子学媒体 光子学市场 【欧洲杯官方唯一指定】 BioPhotonics EuroPhotonics 视觉光谱 2012年欧洲杯投注门 Photonics Prodspec. 【2021欧洲杯官方合作伙伴】

神经形态加工集以推动AI的生长

Facebook 推特 LinkedIn 电子邮件
深度神经网络在机器视觉应用中发挥着越来越重要的作用。

阿德里安·桑切斯,约勒DÉVELOPPEMENT

增加智能设备所需的数据卷促使计算性能的重新评估,灵感来自人类大脑的加工和效率的能力。智能设备必须快速响应,但有效地响应,从而依赖于优化能量消耗,内存访问和热性能的处理器核心。

由www.iStock.com/MF3d。

由www.iStock.com/MF3d。

中央处理器(cpu)按顺序处理计算任务,而深度学习的人工智能(AI)算法是基于神经网络的。它的矩阵操作需要图形处理单元(gpu)的并行处理,图形处理单元有数百个专门的核心并行工作。

为人工智能的爆炸式增长提供动力的深度神经网络是能量饥渴的。作为比较,1988年的一个神经网络有大约20000个神经元;今天,这个数字是1300亿,不断升级的能源消耗。这需要一种新型的计算硬件,能够有效地处理人工智能算法,克服限制对数增长的障碍,以及克服摩尔定律施加的物理约束、内存限制和人口密集设备的热性能挑战。

灵感来自人类生理学,神经形态计算有可能成为破坏者。

Graphcore和Cerebras等公司生产的基于图形处理的芯片专门用于神经网络。这些gpu、加速器、神经引擎、张量处理单元(tpu)、神经网络处理器(NNPs)、智能处理单元(ipu)和视觉处理单元(vpu)同时处理多个计算顶点和点。

模仿大脑

相比之下,人脑具有1000亿神经元,每神经元100至1000个突触,总共凝结突触。但其体积相当于2升水。大脑每秒执行10亿计算,只使用20 W的功率。为了实现使用当今的硅芯片的这种计算级别,需要150万处理器和1.6 PB的高速存储器。实现此类计算所需的硬件也将占用两个建筑物,并且需要4.68年来模拟一天的大脑活动,同时消耗10兆瓦的力量。

神经形态计算模型使用硅来创建一个神经突触核心或处理器网络。每个核心集成内存、计算和通信,并通过片上事件驱动的网络与同一芯片上的其他核心通信。而不是在预期的和有规律的时间运行每一个计算,只有当人工神经元被传入的信号激活时,才会进行计算。这种无时钟网络,或称为脉冲神经网络,不是基于芯片时钟的速度,而是适应于在非冯·诺伊曼芯片上运行。这导致了一个显著和快速的能源消耗下降到仅仅毫瓦。

人类大脑的灵活性也被模仿。就像大脑适应在突触失效时绕过神经元并创建另一个神经网络一样,如果一个核心停止工作,神经网络就会走另一条路。

增强智能之路始于20世纪独立的CPU、GPU、内存和连接,然后在21世纪发展到可穿戴设备、智能手表和智能相机。即将出现的是全息交互和增强人类的神经形态应用。Courtesy of Neuromorphic Sensing and Computing report, Yole Développement, 2019。

增强智能之路始于20世纪独立的CPU、GPU、内存和连接,然后在21世纪发展到可穿戴设备、智能手表和智能相机。即将出现的是全息交互和增强人类的神经形态应用。Courtesy of Neuromorphic Sensing and Computing report, Yole Développement, 2019。

芯片通过芯片间接口进行通信,从而实现无缝可用性——类似于人类大脑的大脑皮层——从而创建可扩展的神经形态系统。神经突触核可根据芯片大小、芯片中核的数量、芯片和电路板的数量进行扩展——反映了人类大脑的不同区域。

神经形态生态系统

尽管人工智能市场在未来几年预计将保持较小规模,2024年将达到6900万美元,但预计需求将在2029年加速增长至50亿美元。神经形态传感主要用于计算机成像,预计到2024年将达到4300万美元,在同一五年期间将增长到21亿美元1

神经形态生态系统丰富和各种各样,包括英特尔及其罗基芯片,三星和SK海发等现任者,并由初创公司加入,例如一般视觉,脑春,侄子和替代。Memory Companies也正在开发非易失性的回忆,例如Cea-Leti和斯坦福大学的研究人员创建的RRAM(电阻随机存取存储器)。中断初创性 - 例如Weebit Nano,Robosensing,Symetrix和Mobsm - 已进入混合,以及纯播放内存启动,如横杆和adesto。

IBM,相当乐观地,预测到2025年神经形态计算将能够与人脑竞争。进展水平是固体 - 从2011年生产的芯片推进,它将256个神经元和144个突触整合到2014年产生的一个,它集成了100万神经元,25600万个突触,4096个神经织物核心,并且能够为46十亿SOPS / W(每秒突触操作,每瓦)。同时,公司打算开发一个芯片 - 4096核心的Truenorph(其片上网络) - 整合40亿神经元和1万亿突触,只需1千瓦时消耗。

为了配合硬件,美国国防部高级研究计划局(DARPA)的SyNAPSE(神经形态自适应塑料可伸缩电子系统)项目计划在今年的某个时候提供现成的软件堆栈来开发神经形态计算芯片。英特尔相信,神经形态计算芯片将被整合到其产品组合中的端点技术(如物联网传感器、自动驾驶汽车、桌面和移动设备)和边缘技术(如服务器和网关以及数据中心)中。国际买球的网站

AI用例

无处不在的智能手机可能是引入神经形态计算的触发。如今,许多业务(如生物识别)都是饥饿和数据密集的动力。例如,在语音识别中,在云中处理音频数据,然后返回给手机。添加AI需要更多的计算能力,但低能量神经形态计算可以推送今天在云中运行的应用程序在未来直接在智能手机中运行,而不会排出手机电池。

机器视觉应用程序也有希望。神经形态计算可以非常有效地运行人工智能算法。(目前,人工智能广泛应用于许多机器视觉应用中。)此外,使用神经形态、异步架构的基于事件的传感器的组合可以提供额外的好处,比如不受帧率限制的速度,以及更高的灵敏度和动态性。

智能家居也是神经形态计算可以应用的一个有趣的例子——尤其是在音频方面。这种无时钟的操作意味着,扬声器中的人工智能可以理解一个人完成的命令,无论命令说得有多快,它都能理解。神经形态计算的低功耗意味着设备不需要频繁充电,也不需要更换电池。它的热性能意味着没有散热。因此,设备可以没有风扇,使它们更安静、更紧凑,从而开放更多的用途和应用程序。

神经形态计算的独特方面涉及其适应性 - 如果有些核心停止工作,神经网络可以适应。另一个独特的功能是可伸缩性。神经肌腱芯设计成可扩展,并且它们可以镜像大脑的各个区域。Courtesy of Neuromorphic Sensing and Computing report, Yole Développement, 2019。

神经形态计算的独特方面涉及其适应性 - 如果有些核心停止工作,神经网络可以适应。另一个独特的功能是可伸缩性。神经肌腱芯设计成可扩展,并且它们可以镜像大脑的各个区域。Courtesy of Neuromorphic Sensing and Computing report, Yole Développement, 2019。

展望未来,人工智能可能被用于为智能手机添加其他感官,比如嗅觉,或者人工智能可能被用于添加动作感知,这样人类就可以与全息图交互。可获得的大量智能手持设备有很大的潜力。在更遥远的未来,人类可能会使用神经形态计算与全息图交互。

仅次于智能手机的第二大市场可能是工业领域。这个市场严重依赖于电池驱动的设备,如无人机、检查工具和采矿设备。所有这些都将得益于神经形态计算的低功耗、人工智能支持和高效处理能力。

工业市场与消费市场不那么成本敏感。YoleDéveloppement预计工业AI市场将在2024年以3600万美元的价格达到一半的移动市场,并将其增长至26亿美元,到2029年。预计移动市场价值7100万美元,同期增长到32亿美元。其他部门预计将在2024年没有市场价值,但随后在五年内获得。

预计到2024年,消费者人工智能的价值将达到300万美元,到2029年将增长到1.9亿美元。汽车行业的销售额可能在五年内从100万美元增长到11亿美元,医疗和计算机行业的销售额预计将分别从零增长到500万美元和3500万美元1

神经形态计算模拟生物神经网络。每个人工神经元有一个神经突触核。Courtesy of Neuromorphic Sensing and Computing report, Yole Développement, 2019。

神经形态计算模拟生物神经网络。每个人工神经元有一个神经突触核。Courtesy of Neuromorphic Sensing and Computing report, Yole Développement, 2019。

AI的加速将需要额外的方法来快速处理将补充深度学习的数据。在神经形状芯片上运行软件的能力在今天占据了许多研发资源,这是硅的开发,可用于智能手机和扬声器等设备,并且不会产生多余的热量。

市场指标显示,神经形态计算的时机已经成熟。它在内存使用、能源消耗和热性能方面的效率可以克服AI面临的许多障碍,同时引入新的用例。

虽然神经形态计算仍然需要一个“杀手级应用”,但今天,这项技术已经具备了颠覆性技术的所有属性。人工智能的升级将继续推动对克服摩尔定律、内存访问和能源消耗障碍的处理器技术的追求。最初,神经形态计算的发展可能会被忽视,但随着芯片和电源管理的实际大小,这一概念的实用性可能会使其成为必要。

满足作者

阿德里安·桑切斯(Adrien Sanchez)是约乐集团(Yole Group of Companies)计算与软件部门的技术和市场分析师Développement。与他的团队合作,桑切斯生产技术和市场分析,包括计算硬件和软件,人工智能,机器学习和神经网络;电子邮件:(电子邮件保护)

参考

1.Yole开发署(2019)。2019年神经形态传感和计算:市场和技术报告。


视觉光谱
2021年春季
术语表
机器视觉
通过使用光学非接触感测机制来解释对象或场景的图像,以获取信息和/或控制机器或过程。
特性 人工智能 神经网络 神经形态计算 机器视觉 深度学习

评论
提交功能文章 提交新闻稿
条款和条件 隐私政策 关于我们 联系我们
Facebook 推特 Instagram LinkedIn YouTube RSS
2021欧洲杯竞猜app (电子邮件保护)

光子媒体,劳琳出版社
X 我们将-发送到您的收件箱。免费订阅我们的通讯。
我们使用cookie来改善用户体验并分析我们的网站流量,如我们所示隐私政策。使用本网站,即表示您同意使用饼干除非你把它们弄坏了。