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】 生物学学 EuroPhotonics 视觉光谱 2012年欧洲杯投注门 光子学ProdSpec 【2021欧洲杯官方合作伙伴】

神经形态处理集推动AI的增长

脸谱网 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,尤尔dÉveloppement

智能设备所需的数据量越来越大,这促使人们在人脑处理能力和效率的启发下,重新评估计算性能。智能设备必须快速而有效地响应,因此依赖于优化能源消耗、内存访问和热性能的处理器核心。

礼貌www.istock.com/mf3d。

礼貌www.istock.com/mf3d。

中央处理单元(CPU)顺序地解决计算任务,而深度学习的人工智能(AI)算法基于神经网络。其矩阵操作需要由图形处理单元(GPU)执行的并行处理,该图形处理单元具有数百个专用核心并行工作。

深度神经网络在AI中推动爆炸性增长是饥饿的能量。作为一个比较,1988年的神经网络〜20,000神经元;今天,这个数字是1300亿,能源消耗升级。这需要一种新型的计算硬件,可以有效地处理AI算法,并克服限制对数增长的障碍,以及克服摩尔定律,内存限制以及在密集地填充设备中的热性能挑战的物理限制。

受人类生理学的启发,神经形态计算有可能成为一个颠覆者。

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。这些图形处理器、加速器、神经引擎、张量处理单元(TPUs)、神经网络处理器(NNPs)、智能处理单元(ipu)和视觉处理单元(vpu)可以同时处理多个计算顶点和点。

模仿大脑

相比之下,人类大脑有1000亿个神经元,每个神经元有100到1000个突触,总共有一千万亿个突触。然而它的体积相当于一瓶2升的水。大脑每秒要进行10亿次运算,只需要20瓦的功率。要实现这种水平的计算,使用今天的硅芯片将需要150万个处理器和1.6 PB的高速内存。实现这种计算所需的硬件也将占用两座大楼,在消耗10兆瓦时的电力的情况下,需要4.68年的时间来模拟相当于一天的大脑活动。

神经形态计算的模型使用硅来创建一个神经突触核心或处理器的网络。每个核心集成了内存、计算和通信,并通过片上事件驱动网络与同一芯片上的其他核心通信。与在预期和常规时间运行每个计算不同,只有当人工神经元被输入信号激活时才进行计算。这种无时钟网络,或尖峰神经网络,不是基于芯片时钟的速度,而是适应了非冯诺伊曼芯片的运行。这导致了显著和快速的能源消耗下降到仅毫瓦。

人类大脑的灵活性也被模仿。正如大脑适应绕过神经元并在突触失败发生另一个神经网络时,如果核心停止工作,则神经网络采用另一条路径。

增强智能的道路始于20世纪独立的CPU、GPU、内存和连通性,然后演变到21世纪的可穿戴设备、智能手表和智能相机。即将出现的是全息互动和增强人的神经形态应用。神经形态感知和计算报告,Yole Développement, 2019。

增强智能的道路始于20世纪独立的CPU、GPU、内存和连通性,然后演变到21世纪的可穿戴设备、智能手表和智能相机。即将出现的是全息互动和增强人的神经形态应用。神经形态感知和计算报告,Yole Développement, 2019。

芯片通过芯片间的接口进行通信,实现无缝可用性——类似于人脑的大脑皮层——以创建可扩展的神经形态系统。神经突触内核可以根据芯片大小、芯片内核的数量、芯片和电路板的数量进行扩展,这些都反映了人类大脑的不同区域。

神经形态生态系统

尽管未来几年人工智能市场预计将保持较小规模,2024年为6900万美元,但到2029年,需求预计将加速增长至50亿美元。主要用于计算机成像的神经形态传感预计在2024年将达到4300万美元,并在同一五年增长到21亿美元1

神经形态生态系统丰富多样,包括英特尔及其Loihi芯片、三星和SK Hynix等现有公司,以及General Vision、BrainChip、nepes和Vicarious等初创公司。记忆体公司也在开发非易失性记忆体,如由美国中央电子科学院和斯坦福大学的研究人员开发的RRAM(电阻随机存取记忆体)。颠覆性的初创公司,如webit Nano、Robosensing、Symetrix和Knowm,以及纯粹的记忆初创公司,如Crossbar和Adesto,已经进入了这一领域。

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。水平的进步是固体——从2011年的芯片生产推进集成256个神经元和144个突触在单个neurosynaptic核心,2014年的一个生产集100万个神经元、突触,2.56亿460亿4096 neurosynaptic核心,能够安抚/ W(突触操作每秒,每瓦特)。与此同时,该公司打算开发一种芯片——4096核的TrueNorth(芯片上的网络),它集成了40亿个神经元和1万亿突触,只消耗1千瓦时。

为了配合硬件,美国国防部高级研究计划局的SyNAPSE(神经形态自适应塑料可伸缩电子系统)项目的目标是在今年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整合到其产品组合中,包括物联网(IoT)传感器、自动驾驶汽车、桌面和移动设备等终端技术,以及服务器和网关等边缘技术,以及数据中心。国际买球的网站

使用案例ai

无处不在的智能手机很可能是引入神经形态计算的触发器。今天,许多操作,如生物识别,都是耗电和数据密集型的。例如,在语音识别中,音频数据在云中处理,然后返回给手机。添加人工智能需要更多的计算能力,但低能耗的神经形态计算可以推动目前在云端运行的应用程序在未来直接在智能手机上运行,而不会耗尽手机电池。

机器视觉应用程序也带来了希望。神经形态计算可以非常有效地运行人工智能算法。(目前人工智能被广泛应用于许多机器视觉应用中。)此外,结合使用神经形态的异步架构的基于事件的传感器可以提供额外的好处,如不受帧率限制的速度,以及更强的敏感性和动态性。

智能家居也是一个有趣的例子,在那里神经形态计算可以使用-特别是与音频。无时钟操作意味着语音中的人工智能可以理解一个人何时完成了一个命令,而且无论这个命令说得有多快,人工智能都可以理解。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,设备可以无风扇,使它们更安静、更紧凑,从而开辟更多的用途和应用。

神经形态计算的一个独特方面涉及到它的适应性——如果一些核心停止工作,神经网络可以适应。另一个独特的特性是可伸缩性。神经突触核心被设计成可伸缩的,它们可以反映大脑的不同区域。神经形态感知和计算报告,Yole Développement, 2019。

神经形态计算的一个独特方面涉及到它的适应性——如果一些核心停止工作,神经网络可以适应。另一个独特的特性是可伸缩性。神经突触核心被设计成可伸缩的,它们可以反映大脑的不同区域。神经形态感知和计算报告,Yole Développement, 2019。

展望未来,AI可用于添加其他感官,例如气味,智能手机,或者AI可以用于添加运动感测,使得人类可以与全息图相互作用。手持设备中大量智能的可用性具有很大的潜力。进一步进入未来,人类可以使用神经形态计算与全息图相互作用。

智能手机之后的下一个最大市场可能是工业部门。该市场严重依赖于电池供电的设备,例如无人机,检测工具和采矿设备。所有这些都将受益于神经形态计算的低功耗,启用AI和有效的处理能力。

工业市场不像消费市场那样对成本敏感。Yole Développement预计,工业人工智能市场的价值将占移动市场的一半左右,到2024年达到3600万美元,到2029年达到26亿美元。移动市场预计价值7100万美元,在同一时期将增长到32亿美元。其他行业的市值预计在2024年将保持温和,甚至为零,但在接下来的5年里会有所增长。

消费者人工智能预计在2024年价值300万美元,到2029年将增长到1.9亿美元。在同样的五年时间里,汽车行业可能从100万美元增长到11亿美元,而医疗行业和计算机行业预计将分别从零增长到500万美元和3500万美元1

神经牙科计算模仿生物神经网络。每个人工神经元有一个神经肌瘤核心。神经形态感知和计算报告,Yole Développement, 2019。

神经牙科计算模仿生物神经网络。每个人工神经元有一个神经肌瘤核心。神经形态感知和计算报告,Yole Développement, 2019。

人工智能的加速将需要另一种快速处理数据的方法,以补充深度学习。如今,在神经形态芯片上运行软件的能力占据了大量研发资源,就像开发适合智能手机和扬声器等设备大小、不会产生多余热量的硅一样。

市场指标表明,神经形态计算的时间是正确的。其在内存使用,能耗和热性能方面的效率可以克服AI领先的许多障碍,同时引入了新的使用情况。

虽然神经形态计算仍需要一个“杀手应用程序”,但今天该技术具有颠覆性技术的所有属性。AI的升级将继续推动寻求一种克服摩尔定律,记忆进入和能源消耗的障碍的处理器技术。神经形态计算的生长最初可能会被忽视,但具有现实尺寸的筹码和电源管理,概念的有用性可能会成为必需品。

满足作者

Adrien Sanchez是在YoleDévelopecement的计算机和软件部门的技术和市场分析师。桑切斯与他的团队合作,生产技术和市场分析,涵盖了计算硬件和软件,AI,机器学习和神经网络;电子邮件:[电子邮件受保护]

参考

1.Yole开发署(2019)。2019年神经形态传感与计算:市场与技术报告。


视觉光谱
春天2021.
术语表
机器视觉
通过使用光学非接触传感机制来解释物体或场景的图像,以获取信息和/或控制机器或过程。
特征 人工智能 神经网络 神经形态计算 机器视觉 深度学习

注释
提交一篇专题文章 提交新闻稿
条款和条件 隐私政策 关于我们 联系我们
脸谱网 推特 Instagram. LinkedIn YouTube RSS
2021欧洲杯竞猜app [电子邮件受保护]

Laurin出版,Photonics Media
x 我们交付-直接到您的收件箱。免费订阅我们的通讯。
我们使用cookies来改善用户体验,并分析我们的网站流量,如我们的隐私政策。通过使用本网站,您同意使用饼干除非你已经禁用了它们。