英特尔 Loihi 2 神经形态研究晶片，如何帮助机器人感知世界？

▼

Google 团队开发的人工智慧围棋程式 AlphaGo 于 2016 年打败南韩棋王李世乭，震撼围棋界，造就 AI 新里程碑。AI 虽然聪明，但目前还没有一款机器人可以突然被派到陌生环境后执行任务，这意味着人类大脑在感知与适应方面仍具优势，而英特尔 Loihi 神经形态研究晶片有助于缩小这一个差距。

外媒 New Atlas 采访昆士兰科技大学研究员 Tobias Fischer 团队，他们负责研究定位和导航，帮助机器人在不熟悉环境下判断自身位置。

Fischer 解释，他们负责处理人类互动和交谈时所需的社交元素，同时在视觉技术上做许多研究，如透过相机和感测器让机器人感知世界，使其吸收图像强度（pixel intensity），以辨识这是车子还是椅子。

Fischer指出，“我专长是用在定位和导航。如果你要求机器人打开洗碗机，它必须先知道如何找到厨房，还要感知物体，并判断这些行为是有意义还是该忽略。”

也因此，深度神经网络在这部分发挥效用，但训练会耗费大量能量。Fischer 指出，这些超级电脑所消耗的能量，相当于一座中型城市一年消耗的能源，英特尔 Loihi 2 晶片提供一种超省电方式，虽然只能运行某种网络，但能非常有效地运作。

这两者的效率差距，和数百万个神经元如何在深度神经网络中启动有关。在深度神经网络中，数亿个神经元会在每个处理步骤中启动，所以耗费相当多能量。而英特尔 Loihi 的尖峰神经网络，每次只有一个非常小的神经元子集被启动。

当这些晶片够密集时，可以直接在小型机器人、甚至无人机上运行。Fischer 希望这些晶片能帮助他们开发出具有适应性的定位技术，以适应不断变化的条件。

不过 Loihi 还是有些缺点，Fischer 指出，“英特尔和神经形态研究晶片的问题是，与更多在 CPU 或 GPU 运行的传统演算法相比，我们在稳健和准确这两部分往往是落后的；跟传统深度神经网络相比，这些演算法更难，而且我们还没取得突破，使其能普遍用于多种场景，增加商业化的吸引力。”

• How Intel’s bleeding-edge Loihi 2 chips help robots perceive the world

（首图来源：英特尔）

▼

   特别声明    本页内容仅供参考，版权终归原著者所有，若有侵权，请联系我们删除。