您的位置 首页 行业资讯

Nature:清华团队提出类脑计算系统新框架,通用人工智能或将不再科幻

图片来源@视觉中国文丨学术头条人脑,是自然界中最完美的信息处理系统,它可以执行各种各样的复杂任务,其计算效能要比现有数字计算系统高出几个数量级,被认为是目前唯一的“通用智能体”。一直以来,通过模拟人脑信息处理方式,仿制像人脑一样具有“思维”、在工作性能上超越人脑的“类脑系统”,实现通用人工智能,是众多科学家毕生追求的梦想。如今,来自清华大学、北京信息科学与技

图片来源

视觉中国

温韬学术头条

人脑,是自然界最完善的信息处理系统。它可以执行各种复杂的任务,计算效率比现有的数字计算系统高几个数量级。被认为是目前唯一的“总代理”。

长期以来,通过模拟人脑的信息处理模式,以人脑的“思维”模仿“类脑系统”,在工作表现上超越人脑,实现通用人工智能,一直是许多科学家的梦想。

现在清华大学、北京国家信息科学技术研究中心、特拉华大学研究团队的一项突破性研究,将加速计算、通用人工智能等大脑的到来。

研究人员在大脑类计算的一般系统层次方向上有了突破,提出了“神经形态完备性”的最新概念。

相关论文于10月14日在顶级科学期刊《自然》在线发表。清华大学计算机科学系研究员、清华大学教授张,清华大学类脑计算中心主任石是本文的合著者。

更健壮更通用的通用人工智能

通用人工智能是与人类具有相同智能或超越人类的人工智能。它通常将人工智能与人的意识、感性、知识、自我意识等特征联系起来,能够表达正常人所拥有的一切智能行为。它是人工智能研究的主要目标之一,也是科幻小说和未来学家讨论的主要话题。

业内认为,目前的人工智能成果大多是“狭义的”,即面向特定任务,只能解决特定问题。目前基于冯·诺依曼架构的计算机,擅长解决大数据充足、静态知识完备的确定性问题,不亚于人类,但在没有那么多数据、动态知识不足的情况下,是无法解决模糊问题的。

在未来,人工智能的发展肯定会从“狭隘”的弱人工智能走向更健壮、更通用的通用人工智能,但目前的人工智能技术要达到人类水平还有很长的路要走。

类脑计算一直被认为是开启通用人工智能的关键。去年10月,石在北京致远会议“智能架构与芯片专题论坛”的主旨演讲中说,“基于碳上已经发展的人类智能,基于硅芯片已经发展出强大的机器智能。一旦实现了人类的全脑分析,使用类似大脑的计算来构建通用人工智能就完全没有障碍了。”

他还说,一般人工智能的研究与许多狭义人工智能的结合有着根本的不同。其主要研究思路是将类脑柔性与计算机刚性、数据驱动与知识驱动、常识与推理相结合,是一项极具挑战性的长期研究。

现在虽然类脑计算系统已经和人工智能技术结合,业内专家认为可能会提供一种通用人工智能的途径,在更通用算法的应用上有一定的突破和发展,但在保证类脑计算系统的性能、可编程性和生产效率上,仍然面临着相当大的挑战和极高的要求。特别是,虽然大脑类计算中的系统和芯片的具体类型不同,但都侧重于端到端的软硬件协同设计方法,缺乏能够有机结合算法、芯片和设备等不同领域技术和需求的软硬件系统层次结构设计。

而这个最新的研究成果,可能为加速通用人工智能的到来提供了可能。

全新概念:神经形态学的完备性

目前几乎所有现有的编程语言都是图灵完备的,冯诺依曼结构通过图灵完备接口支持图灵机。通过引入图灵完备、基于图灵完备的分层结构和冯·诺依曼体系结构,避免了软件之间的紧密耦合

虽然基于类脑计算的各种算法、计算模型和软件设计不断出现,研究人员开发了各种神经形态学芯片,但通常需要特定的软件工具链才能正常运行。其结果是,类脑计算系统的各层紧密绑定在一起,影响了软硬件的兼容性,损害了类脑计算系统的编程灵活性和开发效率。

有些研究试图通过特定的领域语言或开发框架来连接各种软硬件,但这些研究通常不考虑系统的图灵完备性,近年来在解决硬件完备性、编程语言完备性、类脑计算的系统层次性等更基本的问题上进展甚微。再者,由于很多类脑芯片不是为通用计算而设计的,很少有提供传统指令集的,所以不清楚它们是否是图灵完备的,甚至不清楚图灵完备是否有必要。为了解决上述问题,张、石等人在本研究中提出了“神经形态完备性”的概念,这是一个适应性更强、范围更广的类似于计算完备性的大脑定义。通过引入——近似粒度的新维度,降低了系统对神经形态学硬件完备性的要求,提高了不同软硬件设计之间的兼容性,扩展了设计空间。同时,他们还提出了全新的系统层次结构,包括软件、硬件和编译三个层次,具有图灵完整的软件抽象模型和一般的抽象神经形态结构。在系统的层次结构下,各种程序可以用统一的表示来描述,可以在任何具有完整神经形态学的硬件上转换成等价的可执行程序,从而保证了编程语言的可移植性、硬件的完备性和编译的可行性。

Graph |类脑计算系统和传统计算系统的层次结构

Software指的是编程语言或框架以及建立在其上的算法或模型。在这个层面上,他们提出了统一的、通用的软件抽象模式——POG图——,以适应各种类脑算法和模型设计。

POG由统一的描述方法和事件驱动的并行程序执行模型组成,集成了存储和处理,描述了什么是类脑程序,定义了如何执行。因为POG是图灵完备的,所以最大程度上支持各种应用、编程语言和框架。在硬件方面,它包括所有类似大脑的芯片和架构模型。他们设计了一个抽象的神经形态学架构作为硬件抽象,包括一个EPG图作为上层接口来描述它可以执行的程序。EPG具有控制流-数据流的混合表示,最大化了对不同硬件的适应性,符合当前硬件的发展趋势,即混合架构。

编译层是将程序转换成硬件支持的等价形式的中间层。为了实现可行性,研究者提出了一套主流脑芯片广泛支持的基本硬件执行原语,并证明了配备这种硬件的神经形态学是完整的。以一个工具链软件为编译层实例,论证了这种层次结构的可行性、合理性和优越性。

为此,研究人员认为这种层次结构促进了软硬件的协同设计,避免了软硬件之间的紧密耦合,保证了任何类脑程序都可以通过图灵的完全POG在任何神经形态学完全硬件上编译成等价的、可执行的EPG程序,也保证了类脑计算系统的编程可移植性、硬件完整性和编译可行性。此外,他们还实现了工具链软件的设计,支持不同类型的程序在各种典型的硬件平台上执行,证明了这种系统层次结构的优势。结合所提出的系统架构,完备性的扩展定义使得图灵完备性软件和神经形态学完备性硬件等效转换成为可能,即软硬件解耦。

的设计理念使得系统不同方面之间的接口和划分更加清晰。他们希望在现有等级结构的基础上继续解决关键问题

在他看来,本次研究的亮点之一是张和石提出了一个完整的连续统——,它可以根据神经形态学系统执行的基本运算的精度接受不同级别的算法性能,这意味着新的层次结构可以通过使用所有可用的模拟和数字神经形态学系统来实现,包括那些为了执行速度或能量效率而牺牲精度的系统。

Rhodes还表示,这种层次结构可以比较实现相同算法等效版本的不同硬件平台,以及在相同硬件上实现的不同算法,这是对神经形态架构进行有效基准测试的关键任务。在原理证明实验中包含传统的图灵完整硬件也是非常有价值的,因为这种层次结构可以用来证明神经形态设备在某些应用中相对于主流系统的优势。此外,这种分层结构还可以将算法和硬件开发分为独立研究。如果要获得底层神经形态学架构的好处,算法的规模和复杂度将需要随着时间的推移而增加,因此这种分离将有助于未来的研究人员专注于研究问题的特定方面,而不是试图找到完整的端到端解决方案。

虽然在结合神经形态计算领域的众多产业和学术研究团体的工作方面还有很多工作要做,但Rhodes认为,石和张提出的这种层次结构是朝着这个方向迈出的重要一步。

争夺“类脑计算”

近年来,随着摩尔定律的逐渐失效,冯·诺依曼结构带来的局限性日益明显,存储墙、功耗墙、智能改进等问题使当前的计算机发展面临重大挑战。人们普遍认为,数字计算机能力的进步正在放缓,以摩尔定律为特征的计算机时代即将结束。从人脑中汲取灵感的类脑计算或神经形态学计算,是一种有潜力突破冯·诺依曼瓶颈,推动下一波计算机工程的计算模型和架构。“类脑计算”的概念最早是由美国计算机科学家、加州理工学院名誉教授卡弗·米德于1989年提出的。但当时并没有出现摩尔定律下的“计算危机”,相关研究也没有引起太多关注。直到2004年单核处理器的频率停止增加,人们开始转向多核,寻求非冯诺依曼架构的替代技术,类脑计算的概念开始引起人们的关注。

如今,人工智能赋予的类脑计算技术被认为是通用人工智能的一种可能途径。世界各地的研究人员和研究机构也开展了与脑相关的研究,并取得了一系列成果。国外主要有IBM的TrueNorth,Intel的Loihi,Braindrop,SpiNNaker,BrainScales等。而中国在这方面也走在世界前列。

自2013年3月全职加入清华大学,成立清华大学类脑计算研究中心以来,师团队一直从基础理论、类脑计算系统芯片、软件系统等方面进行类脑计算研究。

去年8月,石团队携手全球首款异种融合脑芯片《自然》杂志封面上的第二代“天空运动”,通过自驾自行车成功验证了万能智能的可行性。这一研究成果是石团队在脑类计算和一般人工智能领域的进一步探索。

在未来,随着人工智能和脑科学研究的进一步发展,具有人类智能和一般人工智能的类脑系统可能不是遥远的梦想。

参考:

更多AI智能建筑安防科技-Nature:清华团队提出类脑计算系统新框架,通用人工智能或将不再科幻,欢迎订阅本站,黄山旋转门自动门、门禁维修、家庭伸缩门、门禁系统十大品牌、地下车库门玩转智能建筑安防科技社群最新新闻。

本文来自网络,不代表红雨智能安防资讯网立场,转载请注明出处:http://www.zdm365.cn/zx/4777.html
返回顶部