ACM通信
Keeping It Local
Centrum Wiskunde & Informatica研究员、阿姆斯特丹大学认知神经生物学教授Sander Bohte帮助开发了一种算法，他说，“使基于神经网络的人工智能的能量增加1000倍以上
资料来源:桑德·波特
人类大脑处理信息的效率非常高。它的功耗只有区区20瓦。近年来，通过深度学习模拟大脑神经网络的计算机已经产生了奇妙的应用，但它们消耗的能量比人脑多得多。
多亏了训练神经网络的算法突破(snn)，人工智能的许多应用，如语音识别、手势识别和心电图分类(ecg)，可以使能源效率提高100到1000倍。这将使将更多的人工智能(AI)植入芯片成为可能，例如，允许应用程序在智能手表或智能手机上运行，而到目前为止，这些应用程序必须在云中完成。
此外，通过在本地设备上运行AI，应用程序变得更加健壮和隐私友好。更健壮，因为不再需要网络连接到云;而且更加保护隐私，因为数据可以保留在本地。
这一突破是由来自Centrum Wiskunde & Informatica (证照)，荷兰国家数学和计算机科学研究中心，以及同样位于荷兰埃因霍温的imec/霍尔斯特研究中心。这篇文章发表在今年7月的一篇评论文章上纸在神经形态系统国际会议．该算法可作为开源GitHub．
领导研究团队的是CWI研究员和阿姆斯特丹大学(UvA) Sander Bohté的认知神经生物学教授，他讨论了这项研究及其应用。
这一突破的基础是什么?
我们为所谓的尖峰神经网络开发了一种新算法。这种网络已经存在很长一段时间了，但直到现在它们都有一个主要的缺点，那就是很难训练。因此，它们无法在实践中得到应用。
我们的新算法包含两个突破，一个用于训练尖峰神经网络，另一个用于使尖峰神经元本身适应任务。因此，网络中的神经元彼此之间需要的通信要少得多，每个神经元也需要更少的计算。总的来说，这使得基于神经网络的人工智能比老式的神经网络节能1000多倍，比当代最好的神经网络节能100倍。
你的spike神经网络和经典神经网络有什么区别?
在经典的神经网络中，信号是连续的，并且在数学上易于处理。snn利用脉冲工作，更像大脑的生物学。理论上，这使得它们更加节能。然而，由于信号是不连续的，这使得它们在数学上更难处理。对于经典的神经网络，有特殊的芯片可以运行它们。到目前为止，还没有能够运行snn的大规模商用芯片，只有一些实验芯片。
你的神经网络将在哪些硬件上运行?
你需要的芯片类型是所谓的神经形态芯片。2017年，IBM制造了TrueNorth神经形态芯片。它适用于一些事情，但规模非常大。高通曾承诺推出类似的芯片——Zeroth处理器，但从未超越玩具演示。在我们的论文发表后，我们收到了很多积极的反应，无论是来自芯片制造商还是学术界。各种各样的公司已经拥有或正在努力开发原型芯片，其中包括我们的项目合作伙伴imec/霍尔斯特中心。
你的尖峰神经网络有多大，它们有多容易扩大?
我们的snn目前可以处理大约1000个神经元。这远远低于传统神经网络目前所能处理的，但对于广泛的应用来说已经足够了。下一个挑战是将我们的网络扩大到10万或100万个神经元。这将进一步扩大应用的可能性。
你预见到哪些类型的应用程序?
我们得到启发的第一个应用是心电图(ECG)中的波分类。有了节能的人工智能，这可以在智能手表等设备上长时间完成，而不是收集数据并将数据发送到云端进行分析。这意味着每天在家就可以很容易地监测到心脏节律。
智能手机上的语音识别和手势识别是其他具体的应用，在没有目前的snn的情况下已经成为可能，我可以看到许多应用，例如，预测维护。想象一下，一个微小的人工智能芯片可以监控某些设备的电流;当设备开始出现故障时，电流开始变化，AI芯片就会发出警告。
一般来说，我们的突破是由一种叫做边缘人工智能：在小型本地设备上进行人工智能计算。
班摩尔是一位生活在荷兰阿姆斯特丹的科技作家。
没有找到条目