|
最近在清华大学校园里，最近出现了一辆奇特的自行车：它好像一只乖巧的宠物狗，不仅能根据指令拐弯、加速，还会自动绕开障碍物、跟着主人跑。
驱动这辆自行车的，是一块同时融合了类脑计算和基于计算机科学人工智能的新型芯片——这种融合技术有望最终实现人工通用智能。 今天凌晨，英国《自然》杂志在线发表了清华大学类脑计算研究中心施路平教授及其同事的这款名为“天机”（Tianjic）的芯片以及基于此研究成果的论文“面向人工通用智能的异构天机芯片架构”（Towards artificial general intelligence with hybrid Tianjic chip architecture） 论文链接：https://www./articles/s41586-019-1424-8 融合计算机科学+神经科学?，推进AGI发展 尽管阿尔法狗打败了人类顶级棋手，但这项技术只能用于下围棋。要发展高级人工智能，必定需要发展人工通用智能。 许多AI专家认为通用人工智能（AGI）只是一个牵强附会的梦想，而其他人则在寻求AGI时获得灵感。在去年11月举行的AI Frontiers会议上，OpenAI创始人兼研究总监Ilya Sutskever说：“我们（OpenAI）在过去几年中已经回顾了该领域的进展。我们的结论是近期AGI应该被认为是一种特别大的可能性。” 在现阶段， 发展人工通用智能的方法主要有两条技术路线： 一种是以神经科学为基础，尽量模拟人类大脑；另一种是以计算机科学为导向，让计算机运行机器学习算法。实现人工通用智能的最终方法之一是让两者结合，但由于两套系统使用的平台各不相同且互不兼容，极大地限制了人工通用智能的发展。 “天机芯“集成了两种方法，以提供混合、协同平台。 Tianjic芯片采用多核架构，可重构构建模块和采用混合编码方案的流线型数据流，不仅可以适应基于计算机科学的机器学习算法，还可以轻松实现脑启动电路和多种编码方案。 仅使用一个芯片，就可以在无人驾驶自行车系统中同时处理多种算法和模型，实现实时物体检测，跟踪，语音控制，避障和平衡控制。 “原则上，人工通用智能平台可以执行人类能够完成的所有任务，但这是一个长远的目标。”施路平说，这需要让芯片能够识别、处理各种不同来源的信息，就好比在芯片上建起一座“巴别塔”，让不同种类的机器“语言”在这里找到能相互理解、沟通的“世界语”。 因此，该研究中心花费了大量精力，用以构建未来支撑人工通用智能发展的类脑计算芯片的框架，在经过反复研讨后，终于提出“异构融合”这一类脑计算芯片的设计理念。 研究团队的一项重要创新是Tianjic的统一功能核心（FCore）， 它结合了人工神经网络和生物网络的基本构建模块 - 轴突、突触、树突和体细胞块。 28-nm芯片由156个FCores组成，在3.8×3.8 mm2的区域内包含大约40,000个神经元和1000万个突触。
Tianjic提供超过每秒610千兆字节（GB）的内部存储器带宽，以及运行人工神经网络的每瓦特每秒1.28 tera操作（TOPS）的峰值性能。在生物启发的尖峰神经网络模式中，Tianjic实现了每瓦约650千兆每秒突触操作（GSOPS）的峰值性能。研究团队还展示了与GPU相比天鹰的卓越性能，其中新芯片的吞吐量提高了1.6-100倍，电源效率提高了12-10000倍。
芯片评估和建模 研究团队还设计了一个自动驾驶自行车实验来评估芯片整合多模态信息和做出迅速决策的能力。配备天鹰芯片和IMU传感器、摄像头、转向电机、驱动电机、调速电机和电池，自行车的任务是执行实时物体检测，跟踪，语音命令识别，骑行减速带等功能，避障，平衡控制和决策。
研究小组开发了各种神经网络（CNN，CANN，SNN和MLP网络）来完成每项任务。这些模型经过预先训练并编程到Tianjic芯片上，可以并行处理模型，实现不同模型之间的无缝片上通信。 在实验中， Tianjic动力自行车顺利完成了所有指定的任务，标志着AGI发展加速的巨大飞跃。 研究小组还指出，“通过随机将新变量实时引入环境中可以产生高时空复杂性，例如不同的道路条件、噪声、天气因素、多种语言、更多人等等。通过探索允许适应这些环境变化的解决方案，可以检查对AGI至关重要的问题 - 例如概括，稳健性和自主学习。
“天机芯“的前世今生 2012年，施路平放弃了新加坡的优渥待遇，接受了时任清华大学人事主管邱勇（现清华大学校长）的邀请，加入清华大学参与创建类脑计算研究中心。“这是一个非常有前途的领域，但也极具风险和挑战性。”施路平说，团队制定了目标，即发展类脑计算，支撑人工通用智能。
施路平教授 “因为我们做的不是仿脑，不需要模仿人脑的一切。我们做的是类脑，是借鉴脑科学的基本原理，凝练出一些指导计算架构发展的新规律。”施路平介绍，在此基础上，团队提出了符合脑科学基本规律的新型类脑计算架构——异构融合的天机类脑计算芯片架构，可同时运行计算机科学和神经科学导向的绝大多数神经网络模型。 基于脑科学研究和电脑运行模式的异同点，团队从电路设计到编码再到信号处理，采用了软硬件协同设计方法。研发的天机架构既支持人工神经网络又支持脉冲神经网络，还支持神经科学发现的众多神经回路网络和异构网络的混合建模，可发挥它们各自的优势。 2015年，第一代“天机芯”问世。 “第一代芯片的体积约为110纳米，只是个DEMO（小样）。”论文共同第一作者、清华大学仪器科学与技术研究所副研究员裴京介绍，经过不断改进设计，2017年团队研发了第二代“天机芯”芯片。 第二代“天机芯”具有高速度、高性能、低功耗的特点，体积缩小至28纳米。相比于当前世界先进的IBM的TrueNorth芯片，其功能更全、灵活性和扩展性更好，密度提升20%，速度提高至少10倍，带宽提高至少100倍。 本次发表于《自然》杂志的已是天机的第二代芯片，如今，第三代芯片也已在研发中。 据悉，清华大学已成立了科技公司进行产业化，近期已完成天使轮融资，明年可发布商用芯片。 学科交叉共融为最大特色 脑科学的研究机理是认知科学的重要组成部分，而机器理解与计算一直是人工智能领域的主要研究内容。可以说，该研究带有明显的学科交叉属性，比如信息科学、神经科学、材料科学等学科的交叉——而这也是施路平十多年来感受颇深的地方。 “发展类脑计算芯片是个世界性难题。它真正的挑战不是科学，也不是技术，而是多学科融合。”施路平介绍，清华大学类脑计算研究中心依托精仪系联合计算机、电子、微电子、自动化、材料和医学院7个相关院系共建，学校从一开始就为类脑计算中心制定了多学科融合引领新方向、产学研结合的发展战略。 此次论文共同作者来自6个院系，其中共同第一作者就来自精仪、生物工程、自动化和计算机4个系。 施路平表示，类脑计算中心科研人员将按照清华大学“顶天立地做研究”的思路，专注基础科学技术突破。其中，类脑计算中心孵化的北京灵汐科技将直接面对市场应用进行开发。“未来，‘天机芯’将由灵汐科技负责推向市场。”他说。 参考链接：http://www./zhuzhan/kjwz/20190801/280517.htmlhttp://news.sciencenet.cn/sbhtmlnews/2019/7/348277.shtmhttps:///syncedreview/nature-cover-story-chinese-teams-tianjic-chip-bridges-machine-learning-and-neuroscience-in-f1c3e8a03113 更多精彩，关注我们公众号 AI_Club_haobo，还有不定期红包活动！
|
|
|
