英特爾 Loihi 2 神經形態研究晶片,如何幫助機器人感知世界?

最新AI资讯2年前 (2022)发布 Aibot114
408 0
广告也精彩
英特爾 Loihi 2 神經形態研究晶片,如何幫助機器人感知世界?

Google 團隊開發的人工智慧圍棋程式 AlphaGo 於 2016 年打敗南韓棋王李世乭,震撼圍棋界,造就 AI 新里程碑。AI 雖然聰明,但目前還沒有一款機器人可以突然被派到陌生環境後執行任務,這意味著人類大腦在感知與適應方面仍具優勢,而英特爾 Loihi 神經形態研究晶片有助於縮小這一個差距。

外媒 New Atlas 採訪昆士蘭科技大學研究員 Tobias Fischer 團隊,他們負責研究定位和導航,幫助機器人在不熟悉環境下判斷自身位置。

Fischer 解釋,他們負責處理人類互動和交談時所需的社交元素,同時在視覺技術上做許多研究,如透過相機和感測器讓機器人感知世界,使其吸收圖像強度(pixel intensity),以辨識這是車子還是椅子。

Fischer指出,「我專長是用在定位和導航。如果你要求機器人打開洗碗機,它必須先知道如何找到廚房,還要感知物體,並判斷這些行為是有意義還是該忽略。」

也因此,深度神經網路在這部分發揮效用,但訓練會耗費大量能量。Fischer 指出,這些超級電腦所消耗的能量,相當於一座中型城市一年消耗的能源,英特爾 Loihi 2 晶片提供一種超省電方式,雖然只能運行某種網路,但能非常有效地運作。

這兩者的效率差距,和數百萬個神經元如何在深度神經網路中啟動有關。在深度神經網路中,數億個神經元會在每個處理步驟中啟動,所以耗費相當多能量。而英特爾 Loihi  的尖峰神經網路,每次只有一個非常小的神經元子集被啟動。

當這些晶片夠密集時,可以直接在小型機器人、甚至無人機上運行。Fischer 希望這些晶片能幫助他們開發出具有適應性的定位技術,以適應不斷變化的條件。

不過 Loihi 還是有些缺點,Fischer 指出,「英特爾和神經形態研究晶片的問題是,與更多在 CPU 或 GPU 運行的傳統演算法相比,我們在穩健和準確這兩部分往往是落後的;跟傳統深度神經網路相比,這些演算法更難,而且我們還沒取得突破,使其能普遍用於多種場景,增加商業化的吸引力。」

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

(首圖來源:英特爾)

© 版权声明

相关文章

暂无评论

暂无评论...